示例5–估計建筑物的高度
假設我們要用非常不精確的高度測量儀來估計建筑物的高度,我們知道,建筑高度不會隨時間變化,至少在短期測量過程中是如此。
數值示例
建筑真實高度是50米。高度測量儀測量誤差(標準偏差)為5米。十個測量值分別為:48.54m、47.11m、55.01m、55.15m、49.89m、40.85m、46.72m、50.05m、51.27m、49.95m。迭代0初始化可以通過簡單的觀察來估計建筑物的高度,預計建筑高度為:
=60m
現在我們將初始化估計不確定度,一個人的估計誤差(標準差)約為15米:σ=15,因此,方差為225:σ2=225。
p0,0=225
預測現在,我們將根據初始化值預測下一個狀態:由于我們系統是恒定的,即建筑物不會改變其高度:
推導出來的估計不確定性(方差)也沒有變化:
p1,0=p0,0=225
迭代1步驟1-測量第一次測量為:z1=48.54m由于高度計測量誤差的標準偏差(σ)為5,方差(σ2)為25,因此測量不確定度為:r1=25。步驟2-更新計算卡爾曼增益:
估計當前狀態:
更新當前估計的不確定度:
步驟3-預測由于我們系統是恒定的,即建筑物不會改變其高度:
推導估計不確定度(方差)也沒有變化:
p2,1=p1,1=22.5
迭代2經過一個迭代后,來自上一次迭代的預測估計變為當前迭代中的上一次估計:
=49.69m
推導的估計不確定度變為先前的估計不確定度:
p2,1=22.5
步驟1-測量第二次測量為:z2=47.11m測量不確定度為:r2=25步驟2-更新計算卡爾曼增益:
估計當前狀態:
更新當前估計的不確定度:
步驟3-預測由于我們系統是恒定的,即建筑物不會改變其高度:
=
=48.47m
推導估計不確定度(方差)也沒有變化:
p3,2=p2,2=11.84
迭代3-10下表總結了后續迭代的計算:
下表對真實值、測量值和估計值進行了比較:
如圖可見,經過7次測量,估計值收斂到約49.5米。下表對測量不確定度和估計不確定度進行了比較:
在濾波器第一輪迭代時,估計不確定度接近測量不確定度,并迅速降低,10次測量后,估計不確定度(σ2)為2.47,即估計誤差標準偏差為:σ=1.57米。因此,我們可以說建筑高度估計為:49.57±1.57m。下圖顯示了卡爾曼增益:
如圖所見,卡爾曼增益正在逐漸減小,使測量權重越來越小。
總結:
在本例中,我們使用一維卡爾曼濾波器測量了建筑物高度,與α?β?γ不同,本示例中的卡曼增益是動態的,取決于測量設備的精度。卡爾曼濾波器使用的初始值不是很精確,因此,狀態更新方程中的測量權重比較高,估計不確定度也很高,在后續每次迭代中,測量權重較低;因此,估計的不確定度也較低。卡爾曼濾波器輸出包括估計和估計不確定度。
一維卡爾曼濾波器的完整模型
為了使得一維卡爾曼濾波器模型更加完整,我們需要在協方差推導方程中添加過程噪聲變量。
過程噪聲:
在現實世界中,動態系統模型存在不確定性,例如,當我們想要估計電阻器的電阻值時,我們假設一個恒定的動態模型,即電阻在測量之間不改變。然而,由于環境溫度的波動,電阻可能略有變化,當用雷達跟蹤彈道導彈時,動態模型的不確定性包括目標加速度的隨機變化,由于可能的飛機機動,不確定性對飛機來說更為重要。相反,當我們使用GPS接收機估計靜態對象的位置時,由于靜態對象不移動,動態模型的不確定性為零;動態模型的不確定性稱為過程噪聲,在文獻中,它也被稱為對象干擾、驅動噪聲、動力學噪聲、模型噪聲和系統噪聲。過程噪聲產生估計誤差。在前面的示例中,我們估計了建筑物的高度。由于建筑物的高度沒有變化,我們沒有考慮過程噪聲。過程噪聲方差用字母q表示。協方差推導方程應包括過程噪聲。對于恒定動態系統模型的協方差推導方程為:
pn+1,n=pn,n+qn
以下是更新后的一維卡爾曼濾波方程:
注意1:狀態推導方程和協方差推導方程取決于系統類型。注意2: 上表展示了針對特定情況定制的卡爾曼濾波器方程的特殊形式,方程的一般形式將在后面的矩陣表示法中給出,現在,我們的目標是理解卡爾曼濾波器的概念。
-
卡爾曼濾波器
+關注
關注
0文章
54瀏覽量
12185
發布評論請先 登錄
相關推薦
評論