![](https://csdnimg.cn/release/download_crawler_static/87223820/bg6.jpg)
Kalman Filter
科技 2010-05-29 21:13:49 阅读 90 评论 0 字号:大中小 订阅
Kalman Filter 是一个高效的递归滤波器,它可以实现从一系列的噪声测量中,估 计动态系
统的状态。广泛应用于包含 Radar、计算机视觉在内的等工程应用领域,在控制理论和控制
系统工程中也是一个非常重要的课题。连同线性均方规划,卡尔曼滤波器可以用于解决
LQG(Linear-quadratic-Gaussian control)问题。卡尔曼滤波器,线性均方归化及线性均方高斯
控制器,是大部分控制领域基础难题的主要解决途径。
目录
■ 1 应用实例
■ 2 命名和发展历史
■ 3 基本动态系统模型
■ 4 卡尔曼滤波器
4.1 预测
4.2 更新
4.3 不变量
■ 5 实例
■ 6 推导
6.1 后验估计协方差矩阵推导
6.2 Kalman 增益推导
6.3 后验误差协方差矩阵简化
■ 7 信息滤波
■ 8 非线性滤波器
8.1 扩展 Kalman 滤波
8.2 Unscented Kalman filter
■ 9 Kalman-Bucy 滤波
■ 10 应用
■ 11 参见
■ 12 参考文献
■ 13 外部链接
■ 1 应用实例
一个简单的应用是估计物体的位置和速度;简要描述如下:假设我们可以获取一个物体的包
含噪声的一系列位置观测数据,我们可以获得此物体的精确速度和位置连续更新信息。
例如,对于雷达来说,我们关心的是跟踪目标,而目标的位置,速度,加速度的测量值是时
刻含有误差的,卡尔曼滤波器利用目标的动态信息,去掉噪声影响,获取目标此刻好的位置
估计(滤波),将来位置估计(预测),也可以是过去位置估计的(插值或平滑)
■ 2 命名和发展历史
这个滤波器以它的发明者 Rudolf.E.Kalman 而命名,但是在 Kanlman 之前,Thorvald Nicolai
Thiele 和 Peter Swerling 已经提出了类似的算法。Stanley Schmidt 首次实现了 Kalman 滤波
器。在一次对 NASA Ames Research Center 访问中,卡尔曼发现他的方法对于解决阿波罗计
划的轨迹预测很有用,后来阿波罗飞船导航 电脑就使用了这种滤波器。这个滤波器可以追
溯到 Swerling(1958),Kalman(1960),Kalman 和 Bucy(1961)发表的论文。
这个滤波器有时叫做 Stratonovich-Kalman-Bucy 滤波器。因为更为一般的非线性滤波器最初
由 Ruslan L.Stratonovich 发明,而 Stratonovich-Kalman-Bucy 滤波器只是非线性滤波器的一个
特例。事实上,1960 年夏季,Kalman 和 Stratonovich 在一个 Moscow 召开的会议中相遇,