精品论文

聚焦科技之美

以高素质团队和专业设备打造业界领先的传感器、混合集成电路产品

聚焦科技之美

精品论文

  主页 / 新闻资讯 / 精品论文 /

卡尔曼(Kalman)滤波发散的原因与解决办法

作者:admin  更新时间:2017-12-27

  引发卡尔曼(Kalman)滤波发散的主要原因是各环节误差导致,导致测量参数的不精确。本文将简单介绍卡尔曼(Kalman)滤波发散的原因与解决办法。

  卡尔曼(Kalman)滤波发散的原因与解决办法

  在理想条件下,卡尔曼滤波是线性无偏最小方差估计。随着时间的推移,观测数据的增多,滤波估计的精度应越来越高,误差方差阵或者趋于稳定值或者有界。由滤波得到的估计值可能有偏,且估计误差的方差也可能很大,超出了理想的范围;其滤波误差的均值与误差都有可能趋于无穷大,这种现象称为滤波的发散现象。

  引发卡尔曼(Kalman)滤波发散的原因有两种:

  1、描述系统动力学特性的数学模型和噪声的统计模型不准确,不能真实反映物理过程,使模型与获得的观测值不匹配,导致滤波器发散。这种由模型过于粗糙或失真引起的发散称为滤波发散。

  2、卡尔曼滤波是递推过程,随着滤波次数的增加,舍入误差逐渐积累,如果计算机字长有限,这种积累有可能使估计的误差方差阵失去非负定性甚至失去对称性。

  卡尔曼(Kalman)滤波发散解决办法

  卡尔曼(Kalman)滤波发散解决办法有两种,一种是衰减记忆法和限定记忆滤波。当滤波模型不准确时,可通过加大新量测值的加权系数,相对地减小过去测量值对滤波的影响来抑制滤波发散现象。

  最后,衰减记忆法和限定记忆滤波较易实现,计算也比较快,同时还能保证滤波的稳定性、平稳性和快速性。