状态估计卡尔曼滤波.ppt

智能信息处理技术第5讲状态估计—卡尔曼滤波智能信息处理技术*状态估计的主要内容应用:通过数学方法寻求与观测数据最佳拟合的状态向量。1、确定运动目标的当前位置与速度;2、确定运动目标的未来位置与速度;3、确定运动目标的固有特征或特征参数。状态估计主要内容:位置与速度估计位置估计:距离、方位和高度或仰角的估计速度估计:速度、加速度估计智能信息处理技术*1、α-β滤波2、α-β-γ滤波3、卡尔曼滤波这些方法针对匀速或匀加速目标提出,如目标真实运动与采用的目标模型不致,滤波器发散。状态估计的主要方法::算法的改进及适应性状态估计难点:机动目标的跟踪1、自适应α-β滤波和自适应Kalman滤波均改善对机动目标的跟踪能力。2、扩展Kalman滤波应用于时间非线性的动态系统。智能信息处理技术*卡尔曼滤波器卡尔曼滤波器的应用:通信、雷达、导航、自动控制等领域航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等:卡尔曼滤波器的应用特点对机动目标跟踪中具有良好的性能为最佳估计并能够进行递归计算只需当前的一个测量值和前一个采样周期的预测值就能进行状态估计卡尔曼滤波器的局限性:卡尔曼滤波器解决运动目标或实体的状态估计问题时,动态方程和测量方程均为线性。智能信息处理技术*一、数字滤波器作估值器1、非递归估值器2、递归估值器智能信息处理技术*1、非递归估值器采样平均估值器:采用时域分析方法在掺杂有噪声的测量信号中估计信号x。智能信息处理技术*根据数字信号处理技术,所谓非递归数字滤波器是一种只有前馈而没有反馈的滤波器。zk=x+nk式中:x—恒定信号或称被估参量nk—观测噪声采样假定,E(x)=x0,D(x)=σ2x,E(nk)=0,E(n2k)=σ2n。假定用zk表示观测值智能信息处理技术*h1,h2,…,hm是滤波器的脉冲响应hj的采样,或称滤波器的加权系数。滤波器的输出h1=h2=…=hm=1/m该式表明,估计是用m个采样值的平均值作为被估参量x的近似值的,故称其为采样平均估值器。智能信息处理技术*均方误差估计①估计值是用m个采样值的平均值作为被估参量x的近似值;智能信息处理技术*结论②估值器的均方误差随着m的增加而减少;③该估值器是一个无偏估值器