文档介绍：信息融合状态估计卡尔曼滤波
*
第一页，共69页
状态估计的主要内容
应用：
通过数学方法寻求与观测数据最佳拟合的状态
向量。
1、确定运动目标的当前位置与速度；
2、确定运动目标的未来位置与速度；
3、确定运动目标的固有特征或特征参数。
*
第二页，共69页
状态估计主要内容：位置与速度估计。
位置估计：距离、方位和高度或仰角的估计；
速度估计：速度、加速度估计。
*
第三页，共69页
状态估计的主要方法
1、α-β滤波
2、α-β-γ滤波
3、卡尔曼滤波
这些方法针对匀速或匀加速目标提出，如目标
真实运动与采用的目标模型不一致，滤波器发散。
*
第四页，共69页
算法的改进及适应性
状态估计难点：机动目标的跟踪
1、自适应α-β滤波和自适应Kalman滤波均改善
对机动目标的跟踪能力。
2、扩展Kalman滤波针对卡尔曼滤波在笛卡儿坐
标系中才能使用的局限而提出。
*
第五页，共69页
卡尔曼滤波器
卡尔曼滤波器的应用:
通信、雷达、导航、自动控制等领域；
航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。
*
第六页，共69页
卡尔曼滤波器的应用特点
对机动目标跟踪中具有良好的性能；
为最佳估计并能够进行递推计算；
只需当前的一个测量值和前一个采样周期的预测值就能进行状态估计。
*
第七页，共69页
卡尔曼滤波器的局限性
卡尔曼滤波器解决运动目标或实体的状态估计问题时，动态方程和测量方程均为线性。
*
第八页，共69页
一、数字滤波器作估值器
1、非递归估值器
2、递归估值器
*
第九页，共69页
1、非递归估值器
采样平均估值器：
采用时域分析方法在掺杂有噪声的测量信号中
估计信号x。
*
第十页，共69页