外文翻譯--卡爾曼濾波器介紹-資料下載頁
2024-12-06 05:19本頁面
【導(dǎo)讀】閱后請自行刪除，黑色字體的內(nèi)容全部保留。2．請將該封面與附件裝訂成冊。問題的遞歸解決方法。從那以后，由于數(shù)字計算的進步，卡爾曼濾波器已經(jīng)成為廣。狀態(tài)，是一種以平方誤差的均值達到最小的方式。支持過去，現(xiàn)在，甚至將來狀態(tài)的估計，而且當(dāng)系統(tǒng)的確切性質(zhì)未知時也可以做。這篇論文的目的是對離散卡爾曼濾波器提供一個實際介紹。經(jīng)成為廣泛研究和應(yīng)用的主題，特別在自動化或協(xié)助導(dǎo)航領(lǐng)域。第一章講述了對卡。找到，也包含了一些有趣的歷史敘事。更加廣泛的參考包括Gelb74；Grewal93；隨機變量kw和kv分別表示過程和測量噪聲。他們之間假設(shè)是獨立的，正態(tài)分布。將過去k-1時刻狀態(tài)和現(xiàn)在的k時刻狀態(tài)聯(lián)系起來。為已知測量變量kz時第k步的后驗狀態(tài)。的概率原型”一節(jié)。反映了預(yù)測值和實際值之間的不一致程度。殘余為零則表明二者完全吻合。并使一階導(dǎo)數(shù)為零從。時間更新方程負責(zé)及時向前推算當(dāng)前狀態(tài)變。如下分別給出了時間更新方程和測量更新方程的具體形式。
【正文】 先驗估計。這種遞歸推算是卡爾曼濾波器最吸引人的特性之一 —— 它比其它濾波器更容易實現(xiàn)：例如維納濾波器 [Brown92] ，每次估計圖 11 必須直接計算全部數(shù)據(jù)，而卡爾曼濾波器每次只根據(jù)以前的測量變量遞歸計算當(dāng)前的狀態(tài)估計。圖 12將表 11和表 12結(jié)合顯示了濾波器的整個操作流程。 濾波器系數(shù)及調(diào)整 濾波器實際實現(xiàn)時，測量噪聲協(xié)方差 R 一般可以觀測得到，是濾波器的已知條件。觀測測量噪聲協(xié)方差 R 一般是可實現(xiàn)的（可能的），畢竟我們要觀測整個系統(tǒng)過程。因此通常我們離線獲取一些 系統(tǒng)觀測值以計算測量噪聲協(xié)方差。 通常更難確定過程激勵噪聲協(xié)方差的 Q 值，因為我們無法直接觀測到過程信號kx 。有時可以通過 Q 的選擇給過程信號“注入”足夠的不確定性來建立一個簡單的（差的）過程模型而產(chǎn)生可以接受的結(jié)果。當(dāng)然在這種情況下人們希望信號觀測值是可信的。 在這兩種情況下，不管我們是否有一個合理的標準來選擇系數(shù)，我們通常（統(tǒng)計學(xué)上的）都可以通過調(diào)整濾波器系數(shù)來獲得更好的性能。調(diào)整通常離線進行，并經(jīng)常與另一個（確定無誤的）在線濾波器對比，這個過程稱為系統(tǒng) 識別。 在討論的結(jié)尾，我們指出在 Q 和 R 都是常數(shù)的條件下，過程估計誤差協(xié)方差 R 和卡爾曼增益 kK 都會快速收斂并保持為常量（參照圖 12中的更新方程）。若實際情況也如此，那么濾波器系數(shù)便可以通過預(yù)先離線運行濾波器計算，或者，比如說，用 [Grewal93] 中的方法計算 kP 的穩(wěn)定值。 實際中，觀測誤差 R 尤其不易保持不變。例如，用我們的光電跟蹤儀觀察掛在房間頂棚面板上的信號燈時，較近的信號燈會比較遠的信號燈具有 較小的觀測噪聲。不僅是觀測噪聲會變化，有時過程激勵噪聲協(xié)方差 Q也會隨著濾波器運行而動態(tài)變化――這樣 Q 變成了 kQ —— 來適應(yīng)不同的動態(tài)狀態(tài)。例如，在跟蹤三維虛擬環(huán)境中用戶頭部位置時，如果用戶頭部緩慢移動，我們會減小 kQ 的幅度，如果移動開始快速變化，則增加幅度。在這些情況下， kQ 的幅度要根據(jù)用戶的意圖和模型的不確定性來選擇。
研究報告相關(guān)推薦
鄂ICP備17016276號-1