卡尔曼滤波仿真研究
摘 要
本文以卡尔曼滤波器原理为理论基础,通过 MATLAB 建立系统 CV 模型,对 6 维离
散卡尔曼滤波在雷达数据处理中的应用进行仿真研究。假设雷达每隔 T 时间获得目标
的位置数据,滤波器估计当前目标的状态参数,并对目标未来的状态进行预测。通过
实验对影响滤波器效果的各方面原因进行讨论和比较,分析初值选取和系统参数对滤
波器收敛速度和稳态精度的影响。
关键词 卡尔曼滤波器 CV 模型 参数
ABSTRACT
This paper is based on the Kalman filter theory to create a CV model by MATLAB and
simulate 6 discrete Kalman filter in the radar data processing. Assume the radar obtain the
position data of target every T seconds, the filter will estimate the current state parameter of
target and predict the future state. Through the simulation, we will discuss and compare
different reasons that affect the filter effect, analyze the effect that initial data and system
parameter make on the filter convergence speed and steady-state accuracy.
KEYWORDS kalman filter CV model parameter
1.引言
最佳线性滤波理论起源于 40 年代美国科学家 Wiener 和前苏联科学家 Kолмогоров
等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必
须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60 年代 Kalman 把状
态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。
卡尔曼滤波是以最小均方误差为估计的最佳准则,来寻求一套递推估计的算法。它适
合于实时处理和计算机运算。
在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何
时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标
位置的好的估计。这个估计可以是对当前目标位置的估计(滤波),也可以是对于将来位
置的估计(预测)。
1