Kalman 滤波算法具有如下特点。
(1)由于 Kalman 滤波算法将被估计的信号看作在白噪声作用下一个随机线性系统的输出,
并且其输入/输出关系是由状态方程和输出方程在时间域内给出的,因此这种滤波方法不仅
适用于平稳随机过程的滤波,而且特别适用于非平稳或平稳马尔可夫序列或高斯-马尔可夫
序列的滤波,所以其应用范围是十分广泛的
(2) Kalman 滤波算法是一种时间域滤波方法,采用状态空间描述系统。系统的过程噪声
和量测噪声并不是需要滤除的对象,它们的统计特性正是估计过程中需要利用的信息,而被
估计量和观测量在不同时刻的一、二阶矩却是不必要知道的。
(3)由于 Kalman 滤波的基本方程是时间域内的递推形式,其计算过程是一个不断地“预
测-修正”的过程,在求解时不要求存储大量数据,并且一旦观测到了新的数据,随即可以
算得新的滤波值,因此这种滤波方法非常适合于实时处理、计算机实现。
(4)由于滤波器的增益矩阵与观测无关,因此它可预先离线算出,从而可以减少实时在线
计算量。在求滤波器增益矩阵时,要求一个矩阵的逆,它的阶数只取决于观测方程的维数,
而该维数通常很小,这样,求逆运算是比较方便的。另外,在求解滤波器增益的过程中,随
日时可以算得滤波器的精度指标 P,其对角线上的元素就是滤波误差向量各分量的方方差。
评论0