卡尔曼滤波理论的发展及现状

西门豹治邺翻译

红磷卡尔曼滤波理论的发展及现状

作者：王娜赵衍年曹智明

来源：《理论与创新》2018年第04期

摘要：随着计算机技术的发展，卡尔曼滤波信息融合算法作为目标跟踪中常用的信息处理方法，能够对目标实时并准确地跟踪。在线性系统中，卡尔曼滤波就是最优滤波器，其处理高斯模型的系统也非常有效，目前卡尔曼滤波理论已经广泛应用在国防、军事、跟踪、制导等许多高科技领域。

乡村医生从业管理条例关键词：卡尔曼滤波；无迹卡尔曼滤波器；UT变换；UKF滤波

卡尔曼滤波理论

主治医师 20世纪60年代，著名科学家卡尔曼（R. E. Kalman）首次提出了解决离散系统现行滤波问题的递归算法，后人将这种方法命名为卡尔曼滤波，以纪念卡尔曼在滤波理论方面做出的突出贡献。作为一种首选的最优估计理论，卡尔曼滤波已经逐渐成为估计与预测状态空间模型的强有力工具之一，在组合导航领域及惯性导航领域得到了越来越广泛的运用。销售利润率

2xxpp

在某种特定情况下，系统的线性数学模型的确能够体现系统的特点和性能。然而，对于任何实际系统，都不同程度存在非线性，当系统的非线性并不强时，这些系统可近似当成线性系统处理，而对于绝大多数实际系统，线性数学模型并不足以描述其特性，系统中的非线性因素并不能被忽略。为了能够以较高的精度和较快的计算速度处理非线性高斯系统的滤波问题，Julier等人根据确定性采样的基本思想，基于Unscented变换（UT变换）提出了无迹卡尔曼滤波。UT变换按照加权统计线性回归来计算随机变量的后验概率分布，由系统变量的先验统计特性，采用特定的采样策略产生一系列采样点，即Sigma点，对生成的Sigma点通过系统状态方程传播后得到系统状态采样点，利用生成的Sigma采样点对对非线性分布进行线性化近似，然后基于生成的系统状态采样点计算状态的后验概率统计。UT变换将统看成“黑箱”模型，并不依赖具体的系统形式，而且无需计算Jacobian矩阵。

本文发布于:2024-09-22 16:50:33，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/477302.html

上一篇：扩展卡尔曼滤波雷达目标在线跟踪轨迹算法

下一篇：图像去噪多种方法对比

标签：系统采样状态

留言与评论（共有 0 条评论）