广义高斯滤波
广义高斯滤波-高斯滤波器,gauss-hermite卡尔曼滤波器,容积卡尔曼滤波器
高斯滤波器
要将不同的高斯逼近统一为非线性变换,可进行如下的高斯积分逼近计算:
要是上述积分可以计算,那么就可以直接进行分布矩匹配,来对的逼近。
噪声可叠加型高斯滤波器
叠加变换通式:(后面的叠加变换中省略)
叠加变换的高斯矩匹配:
基于矩匹配高斯逼近的分布如下:
叠加噪声的高斯(卡尔曼)滤波器:
预测步骤,利用系统动态模型:计算预测均值和预测协方差:
更新步骤,利用系统量测模型:计算预测均值,l量测量预测协方差,状态量与量测量之间的互协方差和滤波增益,滤波均值与方差。(各个变量计算公式按照顺序给出)
噪声不可叠加型高斯滤波器
非爹在变换的通式:(后面的非叠加变换中省略)
非叠加变换的高斯矩匹配:
基于矩匹配高斯逼近的的联合部分为:
非叠加噪声高斯(卡尔曼)滤波器的预测与更新过程:
(所需要计算的量与叠加噪声滤波器一致)
Guass-hermite 卡尔曼滤波器
一维Guass-Hermite积分是指对函数和单位权值函数的积求积分的特例,其逼近形式为:
其中,是权值,为估计点或横坐标,有时也称为点。
选择权值和点的准则是构造多项式进行逼近。如下所示:
其中,是阶数。
在相同的权值和点下,非单位高斯权数函数的积分,可通过换元法变为单位高斯权函数计算,其表达式为:
Gauss-Hermite积分算法
设一维积分的表达式为:
以上是对一维阶Guass-Hermite逼近;
1).计算多项式的根,将其作为单位点。这里将三对角矩阵的特征值作为根,并未构建多项式并计算多项式的根。
2).计算权值:
3). 积分近似为:
Gauss-Hermite容积算法
设多维积分的表达式为:
1). 先计算出一维权值和单位点,。
2). 利用一维权值和一维单位点计算多维权值和多维单位点。3). 积分近似为:
叠加型卡尔曼滤波(GHKF)算法:
预测步骤:
1). 选取点:
2). 将 点带入动态模型:
3). 计算预测均值和预测协方差:
更新步骤:
1). 选取点:
2). 将 点带入量测模型:
3). 计算预测均值,量测量的预测协方差和状态量和量测量之间的互协方差:
4). 结合量测量,计算滤波增益,滤波均值和协方差。
非叠加类型与叠加类型一致,但对于Guass-Hermite积分运算的增广状态量维数增加,在计算上较复杂。
容积卡尔曼滤波器
球面容积积分:
多维积分表达式为:
则多维积分三阶球面逼近算法为:
1). 计算单位点:
其中,为坐标轴轴上的单位向量。
2). 逼近积分为:
这种积分逼近为无迹变换在参数的一个特例。
(噪声)叠加型容积卡尔曼滤波器CKF
预测步骤:
1). 构造点:
其中,点定义式为:
2). 将点带入动态方程:
3). 计算预测均值,预测协方差:
更新步骤:
1). 构造点:
2). 将点带入量测方程:
3). 计算预测均值,量测量的预测协方差和状态量与量测量之间的互协方差:
4). 结合量测量,计算滤波器增益,滤波均值和协方差:
(噪声)非叠加型容积卡尔曼滤波
预测步骤:
1). 对增广矩阵构造点:
这里,,为状态量与噪声的维数之和。点的定义为:
2). 将点带入动态方程:
这里,,分别是的前项和后项。
3). 计算预测均值和预测协方差:
更新步骤:
1). 对增广变量构造点:
这里,,为状态量的维数和量测噪声的维数之和。单位点的定义与预测过程的一致,只是将代替。
2). 将点带入量测方程:
这里,,分别是的前项和后项。
3). 计算预测均值,量测量的预测协方差和量测量与状态量的互协方差:
4). 结合量测量,计算滤波器增益,滤波状态均值和协方差:
本章总结到此结束,上