卡尔曼滤波器及其简 matlab 仿真一、卡尔曼滤波的起源谈到信号的分析与处理，就离不开滤波两个字.通常,信号的频谱处于有限的频率范围内，而噪声的频谱则散布在很广的频率范围内，为了消除噪声，可以进行频域滤波。但在许多应用场合,需要直接进行时域滤波，从带噪声的信号中提取有用信号。虽然这样的过程其实也算是对信号的滤波，但其所依据的理论，即针对随机信号的估量理论,是自成体系的.人们对于随机信号干扰下的有用信号不能“确知"，只能“估量”。为了“估量"，要事先确定某种准则以评定估量的好坏程度。1960 年卡尔曼发表了用递归方法解决离散数据线性滤波问题的论文 A New Approach to Linear Filtering and Prediction Problems（线性滤波与预测问题的新方法),在这篇文章里一种克服了维纳滤波缺点的新方法被提出来，这就是我们今日称之为卡尔曼滤波的方法。卡尔曼滤波应用广泛且功能强大，它可以估量信号的过去和当前状态甚至能估量将来的状态即使并不知道模型的确切性质. 其基本思想是以最小均方误差为最佳估量准则，采纳信号与噪声的状态空间模型利用前一时刻的估量值和当前时刻的观测值来更新对状态变量的估量，求出当前时刻的估量值。算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估量。 对于解决很大部分的问题，它是最优,效率最高甚至是最有用的。它的广泛应用已经超过30 年，包括机器人导航,控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理,例如头脸识别，图像分割，图像边缘检测等等。卡尔曼滤波不要求保存过去的测量数据，当新的数据到来时，根据新的数据和前一时刻的储值的估量，借助于系统本身的状态转移方程，根据一套递推公式，即可算出新的估值。卡尔曼递推算法大大减少了滤波装置的存储量和计算量，并且突破了平稳随机过程的限制,使卡尔曼滤波器适用于对时变信号的实时处理。二、卡尔曼滤波的原理卡尔曼滤波思想的来源是在海图作业中，航海长通常以前一时刻的船位为基准,根据航向、船速和海流等一系列因素推算下一个船位，但是他并不轻易认为船位就一定在推算船位上，还要选择适当的方法，通过仪器得到另一个推算船位。观测和推算这两个船位一般不重合,航海长需要通过分析和推断选择一个可靠的船位，作为船舰当前的位置.就是以现时刻的最佳估量为在前一时刻的最佳估量的基础上根据现时刻的观测值作线性修正。卡尔曼滤波在数学上...
