卡尔曼滤波学习

标签：des   style   http   io   ar   sp   art   on   amp   

    首先，我们先要引入一个离散控制过程的系统。该系统可用一个线性随机微分方程（Linear Stochastic Difference equation）来描述： 再加上系统的测量值：

    上两式子中， 是 时刻的系统状态， 是   时刻对系统的控制量。   和  是系统参数，对于多模型系统，他们为矩阵。 是  时刻的测量值，   是测量系统的参数，对于多测量系统，   为矩阵。  和  分别表示过程和测量的噪声。他们被假设成高斯白噪声(White Gaussian Noise)，他们的 covariance 分别是  ， （这里我们假设他们不随系统状态变化而变化）。

(1)利用系统的过程模型，预测下一状态的系统：其中：

是利用上一状态预测的结果

是上一状态最优的估计结果

是现在状态的控制量，如果没有控制量，可以为0

(2)更行对应于的covariance：P表示covariance

其中

是对应的covariance

是对应的covariance

表示的装置矩阵

是系统过程的covariance， 系统过程的噪声协方差

(3)结合预测值和测量值，可以得到现在状态的最优估计                                                                               卡尔曼增益（Kalman Gain）

(4)更新的covariance

卡尔曼滤波学习

标签：des   style   http   io   ar   sp   art   on   amp   

原文地址：http://www.cnblogs.com/lovelifelovestudy/p/4025923.html