Kalman濾波器和Wiener濾波器的仿真與實(shí)現(xiàn).ppt
《Kalman濾波器和Wiener濾波器的仿真與實(shí)現(xiàn).ppt》由會(huì)員分享,可在線閱讀,更多相關(guān)《Kalman濾波器和Wiener濾波器的仿真與實(shí)現(xiàn).ppt(17頁(yè)珍藏版)》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
Kalman濾波器和Wiener濾波器的仿真與實(shí)現(xiàn),Wiener濾波,所謂濾波就是從混合在一起的諸多信號(hào)中提取所要的信號(hào)。 根據(jù)濾波器的輸出是否為輸入的線性函數(shù),可將它分為線性濾波器和非線性濾波器兩種。濾波器研究的一個(gè)基本課題就是:如何設(shè)計(jì)和制造最佳的或最優(yōu)的濾波器。所謂最佳濾波器是指能夠根據(jù)某一最佳準(zhǔn)則進(jìn)行濾波的濾波器。,設(shè)維納濾波器的輸入為含噪聲的隨機(jī)信號(hào)。期望輸出與實(shí)際輸出之間的差值為誤差,對(duì)該誤差求均方,即為均方誤差。因此均方誤差越小,噪聲濾除效果就越好。如果能夠滿足維納-霍夫方程,就可使維納濾波器達(dá)到最佳。根據(jù)維納-霍夫方程,最佳維納濾波器的沖激響應(yīng),完全由輸入自相關(guān)函數(shù)以及輸入與期望輸出的互相關(guān)函數(shù) 所決定。,在一定的約束條件下,其輸出與一給定函數(shù)(通常稱為期望輸出)的差的平方達(dá)到最小,通過(guò)數(shù)學(xué)運(yùn)算最終可變?yōu)橐粋€(gè)托布利茲方程的求解問(wèn)題。維納濾波器又被稱為最小二乘濾波器或最小平方濾波器,目前是基本的濾波方法之一。,,從理論上說(shuō),維納濾波的最大缺點(diǎn)是必須用到無(wú)限過(guò)去的數(shù)據(jù),不適用于實(shí)時(shí)處理。為了克服這一缺點(diǎn), 60 年代 Kalman 把狀態(tài)空間模型引入濾波理論,并導(dǎo)出了一套遞推估計(jì)算法,后人稱之為卡爾曼濾波理論。,卡爾曼濾波,卡爾曼濾波從被提取信號(hào)有關(guān)的量測(cè)量中通過(guò)算法估計(jì)出所需信號(hào)。其中被估計(jì)信號(hào)是由白噪聲激勵(lì)引起的隨機(jī)響應(yīng),激勵(lì)源與響應(yīng)之間的傳遞結(jié)構(gòu)(系統(tǒng)方程)已知,量測(cè)量與被估計(jì)量之間的函數(shù)關(guān)系(量測(cè)方程)也已知。 卡爾曼濾波是以最小均方誤差為估計(jì)的最佳準(zhǔn)則,來(lái)尋求一套遞推估計(jì)的算法,其基本思想是:采用信號(hào)與噪聲的狀態(tài)空間模型,利用前一時(shí)刻地估計(jì)值和現(xiàn)時(shí)刻的觀測(cè)值來(lái)更新對(duì)狀態(tài)變量的估計(jì),求出現(xiàn)時(shí)刻的估計(jì)值。它適合于實(shí)時(shí)處理和計(jì)算機(jī)運(yùn)算。,,卡爾曼濾波特點(diǎn): (1) 卡爾曼濾波處理的對(duì)象是隨機(jī)信號(hào); (2) 被處理信號(hào)無(wú)有用和干擾之分,濾波的目的是要估計(jì)出所有被處理信號(hào); (3) 系統(tǒng)的白噪聲激勵(lì)和量測(cè)噪聲并不是需要濾除的對(duì)象,它們的統(tǒng)計(jì)特性正是估計(jì)過(guò)程中需要利用的信息。 (4) 所以確切的說(shuō),卡爾曼濾波應(yīng)稱作最優(yōu)估計(jì)理論,此處稱謂的濾波與常規(guī)濾波具有完全不同的概念和含義。,,簡(jiǎn)單來(lái)說(shuō),卡爾曼濾波器是一個(gè)“optimal recursive data processing algorithm(最優(yōu)化自回歸數(shù)據(jù)處理算法)”。對(duì)于解決很大部分的問(wèn)題,他是最優(yōu),效率最高甚至是最有用的。,,卡爾曼的五個(gè)核心方程: X(k|k-1)=A X(k-1|k-1)+B U(k) ……………………… (1) P(k|k-1)=A P(k-1|k-1) A’+Q ………………………… (2) X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) ……… (3) Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) ……… (4) P(k|k)=(I-Kg(k) H)P(k|k-1) ………………………… (5),計(jì)算濾波估計(jì)的流程圖,,我們看以看出,濾波過(guò)程是以不斷地“預(yù)測(cè)—修正”的遞推方式進(jìn)行計(jì)算,先進(jìn)行預(yù)測(cè)值計(jì)算,再根據(jù)觀測(cè)值得到的新信息和kalman 增益(加權(quán)項(xiàng)),對(duì)預(yù)測(cè)值進(jìn)行修正。由濾波值可以得到預(yù)測(cè),又由預(yù)測(cè)可以得到濾波,其濾波和預(yù)測(cè)相互作用,并不要求存儲(chǔ)任何觀測(cè)數(shù)據(jù),可以進(jìn)行實(shí)時(shí)處理。,仿真實(shí)例,設(shè)有一個(gè)隨機(jī)信號(hào) 服從AR(4)過(guò)程,它是一個(gè)寬帶過(guò)程,參數(shù)如下: 通過(guò)觀測(cè)方程 來(lái)測(cè)量信號(hào), 是方差為1的高斯白噪聲,利用Kalman濾波器通過(guò)測(cè)量信號(hào)估計(jì) 的波形。,,建立模型,將隨機(jī)信號(hào)X(n)看成是由典型白噪聲序列源W(n)激勵(lì)一個(gè)線性系統(tǒng)產(chǎn)生,用一個(gè)差分方程來(lái)描述:,,,,,觀測(cè)方程是Y(n)=X(n)+V(n),V(n)是方差為1的高斯白噪聲,產(chǎn)生進(jìn)入Wiener濾波器的信號(hào)。 將濾波器的階數(shù)設(shè)為101,根據(jù)維納-霍夫方程: 其中rx1是觀測(cè)信號(hào)的自相關(guān)函數(shù), 是觀測(cè)信號(hào)和期望信號(hào)的互相關(guān)函數(shù)。定義維納濾波的模型,最后帶入filter。,,穩(wěn)態(tài)Kalman濾波器方程如下: 測(cè)量值修正計(jì)算: 我們可以通過(guò)kalman函數(shù)設(shè)計(jì)上述穩(wěn)態(tài)濾波器。 首先定義帶噪聲的系統(tǒng)模型:,Kalman濾波器模型圖,謝謝!,- 1.請(qǐng)仔細(xì)閱讀文檔,確保文檔完整性,對(duì)于不預(yù)覽、不比對(duì)內(nèi)容而直接下載帶來(lái)的問(wèn)題本站不予受理。
- 2.下載的文檔,不會(huì)出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預(yù)覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請(qǐng)點(diǎn)此認(rèn)領(lǐng)!既往收益都?xì)w您。
下載文檔到電腦,查找使用更方便
9.9 積分
下載 |
- 配套講稿:
如PPT文件的首頁(yè)顯示word圖標(biāo),表示該P(yáng)PT已包含配套word講稿。雙擊word圖標(biāo)可打開(kāi)word文檔。
- 特殊限制:
部分文檔作品中含有的國(guó)旗、國(guó)徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計(jì)者僅對(duì)作品中獨(dú)創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- Kalman 濾波器 Wiener 仿真 實(shí)現(xiàn)
鏈接地址:http://www.3dchina-expo.com/p-2718241.html