第三章 卡尔曼滤波3.2 算法和模型-5-6卡尔曼滤波特性和状态可观测性-闭环卡尔曼滤波

网友投稿 271 2022-09-13

第三章 卡尔曼滤波3.2 算法和模型-5-6卡尔曼滤波特性和状态可观测性-闭环卡尔曼滤波

标准卡尔曼滤波设计中,假设系统模型是线性的。实际上在许多导航应用中,例如INS的组合、对准和标校,实际系统模型是非线性的(例如状态向量的时间导数随状态向量元素的二阶量或更高阶量变化)。

在以线性近似系统模型为基础的误差状态卡尔曼滤波中,一种常用的获得最佳估计性能的技术就是闭环卡尔曼滤波。这里,卡尔曼滤波得到的误差估计值,在每次迭代中或按固定时间间隔反馈回去,用于校正系统本身,使过程中卡尔曼滤波状态趋于零值。这个反馈过程是的卡尔曼滤波状态值为小量,减小了系统模型中忽略的状态高次乘积项的影响。相反,在没有反馈的开环卡尔曼滤波中,状态值会随时间增长而逐渐变大。

反馈状态估计的最佳时机,是在观测更新后立即进行。

卡尔曼滤波的闭环和开环实现可以混合,这样一些状态估计就能作为校正值被反馈,而另外一些不反馈。

在导航中,闭环卡尔曼滤波普遍应用于组合导航、对准和低精度INS标校等过程,而且也可用于GNSS接收机时钟的校正。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:共享带宽包BWP
下一篇:世界为什么离不开“市场营销”学!
相关文章

 发表评论

暂时没有评论,来抢沙发吧~