-
卡尔曼滤波
提供了kf，ekf，ukf的详细推导过程，从标量推导开始，进而转入矢量推导，非常详细卡尔曼滤波器简介(阎泓著第一步、时间更新29第二步、测量更新“““““““+““44““““42924特殊情况.30第一种情况、先验误差极小...-.----130第二种情况、先验误差极大.30第三种情况、测量噪声极大.…31第三章、标量EKF画,通通画4“““““+44=“++“““++4“4“+“4“““-“++323.1非线性状态模型.323.2模型线性化33.2.1过程噪声项的线性化.333.2.2测量噪声项的线性化...11-343.2.3过程和测量噪声项同时线性化…35324过程的线性化…0353.25测量的线性化…363.3EKF滤波器…1373.31应用卡尔曼滤波器.3733,2计算先验均方差373.33计算后验均方差373.3.4计算k值4a“44444“;4444454a44“44444=424444441“如44444;44444“44.45“#4444444a444444443833.5k值为最优时的后验均方差3834算法39第一步、时间更新………9第二步、测量更新393.5EKF的缺陷44“==++++4=++44日+“44=“““+440第四章、矢量EKF4141非线性矢量状态模型4142矢量模型线性化单“““·***“““***“““““***“““***4““-***4““*“→“““*→*-““““““*“““*+4““→*“·““·““““*4242.1矢量泛函的泰勒展开42.2过程噪声项的线性化424.2.3测量噪声项的线性化.→“““#+4+“44“““-4+44→“““4“4+-““+43424过程和测量噪声项同时线性化4442.5过程的线性化4“““4““*“4““*→““*+“4“““““““*4“““4“““++4““44“““4“44““““七426测量的线性化“““““·+““““*““““+“““““““+4“““““““+4“““→·“““+“4543矢量EKF滤波器面面面面46画面和面面,43.1应用矢量卡尔曼滤波器44““++“44“““*44“““++444““4+444“+“44““““+444643.2计算先验均方差4643.3计算后验均方差4““+44““““44““““+→4““““+4““““4“44““““.47434计算k值47435k值为最优时的后验均方差4845算法“““+““““*“““““+…““““*“+44““48第一步、时间更新.…49第3页(共77页)卡尔曼滤波器简介(阎泓著第二步、测量更新““4--““44-4494.4特殊情况.““““4444“画画新通画通49第一种情况、先验误差极小.画画,画画画园画画,画画画面请通.50第二种情况、先验误差极大….----50第三种情况、测量噪声极大44“““+44““=++“44“““+444““4+“44““44+50第五章、标量无迹变换UT5251无迹变换的任务5252真值“““““++“++4“4“““+4“++4“““““+““+“““““525.3无迹测试点1101453.1标量的无迹测试点………154532无迹权重系数翻国口道55533统计性质公式…5554测试点的无迹变换.565.4.1从测试点得到后验期待值.画画通通画画山通画画新56542从测试点得到后验方差“““+4“++“4“++““平““上“““4““平中“+““““平“4+“=575.5讨论品aB444a日日+44日4日日“4日a4日+a日本“日日日和本上日和4日““458第六章矢量无迹变换UT4“““4“44“““4++44“““4+““4+2+“++“4“++4=“++“““2++““““++““4+““““++5961矢量微分回顾5961.1计算真值会用到的恒等式1962矢量无迹变换的任务中本““丰二“中““6063真值6163无迹测试点63.1矢量的无迹测试点画面通自品面画画面自自通国画日画面国通画日通山国国画山山面通画山山丽右日日画画画画画山63632无迹权重系数64633UT变换下的对称性64测试点的无迹变换6564.1几个恒等式…65642从测试点得到后验期待值.…---1----66642从测试点得到后验协方差.6765讨论68第七章、无迹滤波器UKF11116971高维非线性问题.069711标量特例画画画画画画新画画画画画画““*#“““““44“…4“““““4““+““→““““44““47072无迹滤波器面,面面面面面面面“面画70721无迹测试点““*4“““““44““+44““““*44“““++444“““4““+“44“““““722无迹权重系数通画画通画画通通画画通山请画画画画画画出画请画画副。723先验估计画画·画‘画4““+44““““44““““+→4““““+““““+“444““““+472724应用卡尔曼滤波器737.2.5计算后验均方差…737.2.6计算k值…444““+44“““*447473算法75第4页(共77页)卡尔曼滤波器简介(阎泓著第零步、初始化..-75第一步、时间更新175第二步、测量更新画画,画画画园画画,画画画面请通176第5页(共77页)卡尔曼滤波器简介(阎泓著第一章、标量线性系统实际工作中的线性系统很少有标量的,但是标量的卡尔曼滤波器的理论推导比较直观、易于理解,因此作为学习的切入点比较合适首先必须清楚地陈述卡尔曼滤波器要解决的问题。1.1卡尔曼问题在离散时间中,一个标量线性系统的状态演化常常可以表述为下面的随机差分方程式:x=ax,+bu其中t为时间。x,是一个标量随机变量,代表t时刻系统的内禀状态。a和b为常标量。u,为t-1时刻的输入,也是一个标量。111信号流程图上面的(1)式也可以用下面的信号流程图表示u-1)X()Ibax(t-1)直线表示信号的传送,箭头代表传送的方向。流程图中的图标有三种,第一种方框图标代表时间延迟,见下图x(t)TX(t-1)第二种方框图标代表乘法(增益),见下图第6页(共77页)卡尔曼滤波器简介(阎泓著aax第三种圆形图标代表加法(混合),见下图a-b+CbG这些图标可以按照有意义的方式组合起来,描述一个差分方程。必须指出,这些图标并不局限于标量情形,而且适用于矢量情形,譬如x为一个矢量,而a和b可以为矩阵。112加入白噪声假设在这个线性过程中有一个噪声项v鬟x2=ax21+bu-1+W1-1则此方程式可以用下面的信号流程图表示w(t=1)u(-1)中+baX(-1)假定这个噪声ν是一个高斯白噪声,它满足3N(9),(Q20)〈ww)=0(≠)3在本文采用物理学中常用的记号,(x)=E(x)表示x的期待值第7页(共77页)卡尔曼滤波器简介(阎泓著此外假定w与u.没有关联,也即113加入可测量假设系统的状态量x是不可以直接测量的。可以测量的是另外一个量z,称为可测量。可测量z依赖于系统的状态量x和一个激励倍数h,见下式。hx. +v(5)在实际工作中h可能会随着时间而变化,但在这里假定为常数,为常标量。此时流程图如下。wt-1)u(t-1)+b±2(ax(t-1)测量过程本身带有一个噪声ν,影响了测量的准确度。同样我们假定ν是一个白噪声(,R)(R≥0)(")≥=0(s≠)此外假定ν与w和u都没有关联,也即()=v)=0(s1)114卡尔曼问题陈述现在要考虑的是如何从可观测量z;的观测数据中得出x的最优估计值,把噪声w和v尽最大可能过滤出去,把它们的影响减到最小。这就是卡尔曼滤波器要解决的问题。1.2标量卡尔曼滤波器卡尔曼对这个问题的解答就是卡尔曼滤波器。下面的流程图可以分成上下两个部分:上半部分就是问题本身,下半部分就是卡尔曼滤波器。第8页(共77页)卡尔曼滤波器简介(阎泓著u(-1)X()bh+(aX(t-1)bb(()2()+ak文-b)+Residual在图中,z1代表实际测量值,x代表过程的真值。此外在卡尔曼滤波器的流程图中出现了几种新的符号,分别是x代表先验估计( A priori estimate),和E代表后验估计(A posteriori estimate)4.对一个随机变量当前值的先验估计是根据前一个时刻以及更早的历史观测信息所作出的估计:后验估计是根据当前时刻以及更早的历史观测信息所作出的估计。x1的先验估计是由上一个时间点的后验估计值和输入信息给出的,x,=ax+ bur-p卡尔曼使用x的先验估计给出可测量E的(先验估计)预测5,而z,的实际测得值与预测值之间的差称为滤波过程的革新( nnovation)或者残余( Residua,即Residual=(10)本文采取通用的符号,以表示对某变量y在t时刻的后验估计,而表示对y的先验估计。在某些文献中y又记作y(|t-1),又记作y(t|t)5对于z,而言后验估计没有意义。z,是可观测量,在后验时刻已经有实际观测值了。第9页(共77页)卡尔曼滤波器简介(阎泓著残余反映了预测值和实际值之间的差别。残余为零的话,估计值和实际值完全吻合。如果残余很小,表明估计值很好,反之就不好。卡尔曼滤波器可以利用残余的这一信息改善对x,的估计,给出后验估计。也就是x=x:+k(Residual)=*+k(z,-hR-其中的k称作卡尔曼增益或卡尔曼混合系数( Blending factor)现在剩下的问题就是如何找到k的值,使得估计为最优。为此需要定义先验均方差和后验均方差。121最优的k值先验误差和后验误差分别定义为(12)它们的方差就是先验均方差和后验均方差P≡varP, =vale(13)最优的k值是使后验均方差为最小的值,就是下式成立时的k值(14)ak122计算先验均方差先验均方差为≡war(15)因为(2)式及(8)试式x,=ax_+ bu+we=ax+bu可得e:=x-x=ax+bu +w_)-(ax +bur=a(xx_1)+W因此第10页(共77页)
- 2020-12-03下载
- 积分：1
-
贝叶斯估计与跟踪实用指南
贝叶斯估计与跟踪实用指南pdfBayesianEstimationand Tracking园冒国后固目Bayesian Estimation and TrackingA practical Guide内容简介非高斯系统估计的文献一般都存在缺少实用方法的缺点,而高斯方法又缺乏严密、有组织的推导《贝叶斯估计与跟踪实用指南》一书设法解决这个领域中的不足,为读者提供全面的高斯噪声与非高斯噪声驱动的线性与非线性动态系统估计方法的介绍。本书特点在于提供了贝叶斯估计与跟踪的统一方法,重点强调了在贝叶斯框架下所有跟踪算法的推导过程,还给出了用于计算加权密度积分的高效的数值方法,包括加权高斯积分的线性与非线性卡尔曼滤波器,以及非高斯情况下的粒子滤波器。作者首先给出每种估计方法基本原理的详细推导过程,然后分步骤对每一种方法进行详细说明,使得跟踪滤波器的编码更简单易懂。本书利用了案例分析来展示所研究内容的应用。此外,该书还为每个算法提供了框图,让读者可以自己开发 MATLAB估计方法软件工具箱。《贝叶斯估计与跟踪实用指南》是一本优秀的估计与跟踪方法课程的研究生教材。本书还适用于估计与跟踪领域的科学研究人员、数学研究人员和工程技术人员,对他们具有重要的实际应用价值。对广大科技工作者来说,也是一本非常有价值的参考书。作者简介安东,J霍格,博土,美国约翰霍普金斯大学应用物理实验室科研人员,他为防空和导弹防御系(AMDD)提出了先进的目标跟踪方法。霍格博士的研究领域包括目标跟踪,信号和阵列处理与处理设计,主动、被动雷达和声纳设计,数字通信和编码理论以及时间频率分析。责任编辑:牛旭东xinwu@ndip.cn责任校对:苏向颖上架建议:计算机视觉封面设计:蒋秀芹httpt//www.ndip.enISBN978-7-118-09321-6WILEYWILEY eEsCopies of this book sold withouta Wiley sticker on the cover are9W78z118m0932161>unauthorized and illegal定价:79.00元装备科技译著出版基金贝叶斯估计与跟踪实用指南Bayesian Estimation and Tracking: A Practical Guide[美] Anton J.Haug著王欣于晓译图F荤版社北京著作权合同登记图字:军-2013-200号图书在版编目(CIP)数据贝叶斯估计与跟踪实用指南/(美)豪格(Hang,A.J)著;王欣,于晓译.一北京:国防工业出版社,2014.5(高新科技译丛)书名原文 Bayesian estimation and tracking:apractical guideISBN978-7-118-09321-6I.①贝…Ⅱ.①豪…②王…③于…Ⅲ.①贝叶斯估计-指南②贝叶斯估计一应用一目标跟踪一指南Ⅳ①0211.67-62②TN953-62中国版本图书馆CIP数据核字(2014)第068301号Authorized translation from the English language edition, entitled Bayesian Estimation andTracking, ISBN 978-0-470-62170-7, by Anton J. Haug, published by John Wiley SonsCopyright C 2012 by John Wiley Sons, Inc.All rights reserved. This translation published under license. No part of this book may be repro-duced in any form without the written permission of the original copyrights holderCopies of this book sold without a Wiley sticker on the cover are unauthorized and illegal本书简体中文版由 John Wiley&sons,lno.授权国防工业出版社独家出版。版权所有,侵权必究。阍前有:原社出版发行(北京市海淀区紫竹院南路23号邮政编码100048)北京嘉恒彩色印刷有限责任公司新华书店经售开本710×10001/16印张19%字数370千字2014年5月第1版第1次印刷印数1—2000册定价79.00元本书如有印装错误,我社负责调换)国防书店:(010)88540777发行邮购:(010)88540776发行传真:(010)88540755行业务:(010)88540717前言本书以基本原理为出发点,阐述了贝叶斯估计滤波器的完整的发展历程。书中硏究了由高斯噪声和非髙斯噪声驱动的线性、非线性动态系统。这里假设动态系统是连续的,因为只有在研究离散滤波器的时候,才会在离散时间对系统进行观测。本书的主要目标是给读者提供过去60年来所提出的大部分贝叶斯估计方法的一致性的全面描述,以表明每种以贝叶斯范式为基础的基本思想是如何与条件密度相关的。学习本书内容需要的预备知识包括线性代数、贝叶斯概率理论以及有限差分和插值的数值方法。书中第2章介绍了所有这些主题以及掌握书中其它内容所需的基础知识书中涵盖的部分内容来自于马里兰大学帕克分校数学系的一门研究生课程。该门课程的主要目的是让学生自己开发目标跟踪算法的 MATLAB工具箱。课后给学生们提出一些特定的跟踪问题,要求编写一个或多个 MATLAB子程序来实现某些跟踪方法。一般来说,学生开发的子程序是独立的,并且可以应用于多种难度不大的跟踪问题(例如,纯方位跟踪)。本书不包含任何习题集,使用本书的读者可以根据需要来调整跟踪问题的作业。此外,本书包含4个相当复杂的实用案例,使用本书的老师可以选择其中之一作为编码作业的框架。第一个案例贯穿本书的第Ⅱ和第Ⅲ部分;其余的3个案例则被分成了单独的章节,构成了本书的第Ⅳ部分。本书有两个鲜明特点:①运用大量的表格和图形,给出每种估计方法基本原理的详细推导过程;②每种方法都有非常详细的分步指导,使得跟踪滤波器的编码简单且易于理解。递推贝叶斯估计可以求解转移函数或变换函数的加权条件密度积分。转移函数反映动态状态向量随时间变化的路径,变换函数将状态向量变换成观测向量。有多种求解积分的数值方法,每种都有不同的估计方法。本书第Ⅱ部分和第Ⅲ部分的每个章节都涵盖求解这些积分的一个或多个数值逼近方法,第Ⅱ部分是高斯加权积分的卡尔曼滤波器方法,第Ⅲ部分是未知密度的加权密度积分的粒子滤波器方法。本书是作者在此领域多年研究的成果,希望能为贝叶斯估计和跟踪研究做出贡献。同时,也希望在研究改进这些方法并将其应用到新领域、解决新问题的基础上,本书能够开拓贝叶斯估计和跟踪研究的新方向。Anton J. haug目录刊言Ⅲ第Ⅰ部分预备知识第1章简介…………………………………………31.1贝叶斯推理…1.2贝叶斯层次估计法1.3本书研究范畴1.3.I目标1.3.2章节概述…1.4用 MATLAB⑧进行建模和仿真参考文献…第2章数学基础2.1矩阵线性代数简介9992.1.1矢量与矩阵的约定与记法…2.1.2和与乘积……………………………………………………102.1.3矩阵的逆…2.1.4分块矩阵的逆112.1.5矩阵的平方根…………………………………2.2矢量点发生器…………122.3多参数多维非线性函数估计………………………………152.3.1标量非线性函数估计152.3.2多维非线性函数估计182.4多变量统计概述……232.4.1一般定义32.4.2高斯密度………………………………………25参考文献………………………………………………………31第3章贝叶斯估计的基本概念……333.1贝叶斯估计3.2点估计式343.3基于概率密度函数的递推贝叶斯滤波器…363.4基于状态均值和协方差的递推贝叶斯估计,,,着.383.4.1状态矢量预测……393.4.2状态矢量更新…403.5一般估计方法讨论………………………………42参考文献43第4章实用案例:初步探讨4.1仿真、估计与评价过程,,,,,,,.,,,.非,,..,,鲁非·4.2利用DFAR浮标场进行匀速运动目标跟踪的场景仿真………454.2.1船舶动态模型………………………454.2.2多浮标观测模型464.2.3场景属性………………………………464.3 DIFAR浮标信号处理4.4DFAR似然函数……………………………………………53参考文献55第Ⅱ部分高斯假设:卡尔曼滤波估计器第5章高斯噪声:高斯加权分布的多维积分595.1第3章中重要结论总结5.2回顾卡尔曼滤波器校正(更新)方程的推导…………615.3贝叶斯点预测积分求解高斯密度5.3.1利用仿射变换来简化流程…645.3.2求解高斯加权积分的一般方法66参考文献…………………………68第6章线性卡尔曼滤波器706.1线性动态模型……………………………………………706.2线性观测模型…716.3线性卡尔曼滤波器…6.4IKF在 DIFAR浮标方位估计中的应用,,·,,,·.,,,..,.1.,·Ⅵ参考文献74第7章线性化卡尔曼滤波器:扩展卡尔曼滤波器…767.1一维情况………………767.1.1-维状态预测767.1.2一维状态估计误差方差预测777.1.3一维观测预测方程7.1.4一维预测方程的变换……787.1.5一维线性化EKF过程7.2多维情况………………………807.2.1状态预测方程817.2.2状态协方差预测方程………………………817.2.3观测预测方程……837.2.4多维预测方程的变换837.2.5线性化多维扩展卡尔曼滤波器过程………857.2.6二阶扩展卡尔曼滤波器…867.3多维协方差预测方程的另一种推导……7.4EKF在DFAR船舶跟踪的应用案例分析887.4.1船舶运动动态模型…………………………887.4.2 DIFAR浮标观测模型…………887.4.3初始化卡尔曼滤波器族中所有滤波器907.4.4选定加速度噪声参数………………………917.4.5EKF跟踪滤波器结果参考文献……93第8章 Sigma点类别:有限差分卡尔曼滤波器……948.1一维有限差分卡尔曼滤波器………………………………948.1.1一维有限差分状态预测…948.1.2一维有限差分状态预测……………………………968.1.3一维有限差分观测预测方程…968.1.4一维有限差分卡尔曼滤波器过程………………………968.1.5简化的一维有限差分预测方程978.2多维有限差分卡尔曼滤波器……………………………988.2.1多维有限差分状态预测…988.2.2多维有限差分状态协方差预测1008.2.3多维有限差分观测预测方程101Ⅶ
- 2020-12-07下载
- 积分：1
-
OpenPLC---一款开源的全功能PLC项目，所有软件硬件资料全开，支持5种PLC编程语言
OpenPLC---一款开源的全功能PLC项目，所有软件硬件资料全开，支持5种PLC编程语言，资料比较丰富，学习爱好者的必备品。
- 2021-05-06下载
- 积分：1
-
最大似然估计matlab
用matlab模拟最大似然估计算法。对初学者会很有帮助。
- 2021-05-06下载
- 积分：1
-
RS码（编码所需关键步骤为自行编写实现）在BPSK下的matlab性能仿真实验报告（附完整程序）
RS码（编码所需关键步骤为自行编写实现）在BPSK下的matlab性能仿真实验报告（附完整程序）。这是本人的课程设计报告，很辛苦地完成的！相信会对你有所帮助。
- 2020-12-04下载
- 积分：1
-
《MATLAB 神经网络43个案例分析》源代码&数据
《MATLAB 神经网络43个案例分析》源代码&数据.zip
- 2020-05-23下载
- 积分：1
-
Flowmaster软件授权license文件
提供Flowmaster安装破解方法及文件
- 2021-05-06下载
- 积分：1
-
节点导纳矩阵计算
节点电压方程 节点导纳矩阵 节点导纳矩阵修改 节点导纳矩阵计算机算法
- 2020-12-04下载
- 积分：1
-
北航MIPS多周期CPU
北航MIPS多周期CPU,使用大量的寄存器，请使用大容量的FPGA
- 2020-12-10下载
- 积分：1
-
java实现搜索引擎代码+页面爬虫
java实现搜索引擎代码+页面爬虫 也是网上找的，分享下赚点分，顺便说下写的不错！
- 2021-05-06下载
- 积分：1
