|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
卡尔曼滤波器估计一个线性随机差分方程描述的离散时间过程的状态变
6 o" [ U8 q2 z' J) H量x∈穴"，但是如果被估计的过程和(或 )观测变量与过程的关系不是线性关系。0 e# q; o& |* E. }" Q' m- E4 W
那该如何处理呢?一-些很有趣和成功的
- L2 Z! b) a# c3 pKalman滤波器应用就是处理这些情况
; t# }& g0 l' Q# e9 [5 w. ^. N7 t的。将期望和方差线性化的卡尔曼滤波器称作扩展卡尔曼滤波器( Extended! I* ?8 \7 _$ G! Z N% v
Kalman Filter)，简称EKF。
" n; ?0 @8 o) C3 C. V R: E+ W同泰勒级数类似，面对非线性关系时，我们可以通过求过程和量测方程的偏
1 l/ s, z& w' [ M1 W" I9 {! D导来线性化并计算当前估计，为了实现这个目的，我们必须修改上面的一些描述，9 V, n' _# C4 V/ e0 r5 u
我们假设过程仍具有状态向量x∈9", 但其状态方程已变为非线性随机差分方程，5 N& F1 R* e m( }
的形式。
5 |2 ^6 B) J& y) O- C; b
% _) I& B8 g7 p6 C) S e$ ^
0 A0 X, R+ C G
' W$ ~+ b6 h! X |
|
/1 
发表于 2020-1-7 10:30
收藏
淘帖
支持！
反对！