求真百科欢迎当事人提供第一手真实资料,洗刷冤屈,终结网路霸凌。

卡尔曼滤波查看源代码讨论查看历史

事实揭露 揭密真相
跳转至: 导航搜索

来自 搜狐网 的图片

卡尔曼滤波是中国的一个学术名词。

汉字是世界上比较古老的四大文字之一[1],也是我们国家优秀文明历史的象征,一直沿用至今,一个简单的文字也道出了我国人们的聪明才智[2],哺育了世世代代的中华儿女,成就了中华民族一代又一代的辉煌。

名词解释

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,其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。它适合于实时处理和计算机运算。

卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推,根据系统的量测值来消除随机干扰,再现系统的状态,或根据系统的量测值从被污染的系统中恢复系统的本来面目。

卡尔曼滤波的形式

1、模型要求

卡尔曼滤波要求模型已知。即模型的结构与参数已知,且随机向量的统计特征已知。

2、卡尔曼滤波分类

记Yj的向量函数:

\hat{X}(k/j)=E[X(k)/Y^j]

为状态X(k)的估计量,分三种情况:

当k>j时,称为预测;

当k=j时,称为滤波;

当k>j时,称为平滑。

卡尔曼滤波特点

卡尔曼滤波是解决状态空间模型估计与预测的有力工具之一,它不需存储历史数据,且可以同过计算机程序到达对状态空间模型的优化拟合。

参考文献