【技术实现步骤摘要】
基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器
本专利技术涉及信号平滑滤波
,具体涉及基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器。
技术介绍
卡尔曼滤波技术广泛应用于信号测量、信号传输、智能控制、GPS动态数据处理和惯性导航等领域。由于外界环境、动态变化等因素的影响,经传感器获得的测量信号、以及经数据链路传输的测量信号通常包含大量噪声。噪声通常以高频为主,需要采用平滑滤波技术处理,消除高频噪声干扰,以提取信号中低频中的有效成分信息。特别是,当测量信号的信噪比较低时,采用平滑滤波技术对信号进行滤波处理,十分必要。卡尔曼滤波应用需要建立准确的数学模型,且要求噪声的统计特性是已知的。而实际情况并非如此,模型的偏差及噪声的不确定性,都会对滤波结果和滤波精度产生影响(甚至发散)。
技术实现思路
本专利技术提供了基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器,解决了噪声统计特性参数未知的问题,提出了基于频域的噪声统计特性参数估算方法,使得所设计的卡尔曼平滑滤波器,不仅在时域,也可在频域,对测量信号进行滤波处理。本专利技术提供了基于时域与频域的卡尔曼平滑滤波方法,包括:S1,获取待滤波信号;S2,采用泰勒级数低阶近似模型,根据信号采样频率和模型维数,确定平滑滤波器的状态方程和量测方程;S3,根据卡尔曼平滑滤波算法,确定平滑滤波器的频率响应函数,进而可得到其幅频特性函数;根据所设计平滑滤波器的幅频特性参数,估算系统噪声和量测噪声的统计特性参数;S4,根据卡 ...
【技术保护点】
1.基于时域与频域的卡尔曼平滑滤波方法,其特征在于,包括:/nS1,获取待滤波信号;/nS2,采用泰勒级数低阶近似模型,根据信号采样频率和模型维数,确定平滑滤波器的状态方程和量测方程;/nS3,根据卡尔曼平滑滤波算法,确定平滑滤波器的频率响应函数,进而可得到其幅频特性函数;根据所设计平滑滤波器的幅频特性参数,估算系统噪声和量测噪声的统计特性参数;/nS4,根据卡尔曼滤波模型及其噪声统计特性参数,采用卡尔曼平滑滤波算法,对所述待滤波信号进行平滑滤波处理。/n
【技术特征摘要】
1.基于时域与频域的卡尔曼平滑滤波方法,其特征在于,包括:
S1,获取待滤波信号;
S2,采用泰勒级数低阶近似模型,根据信号采样频率和模型维数,确定平滑滤波器的状态方程和量测方程;
S3,根据卡尔曼平滑滤波算法,确定平滑滤波器的频率响应函数,进而可得到其幅频特性函数;根据所设计平滑滤波器的幅频特性参数,估算系统噪声和量测噪声的统计特性参数;
S4,根据卡尔曼滤波模型及其噪声统计特性参数,采用卡尔曼平滑滤波算法,对所述待滤波信号进行平滑滤波处理。
2.根据权利要求1所述的基于时域与频域的卡尔曼平滑滤波方法,其特征在于,采用泰勒级数低阶近似模型,滤波器的状态方程为:
Xk=ΦXk-1+ΓWk-1(1)
式中,Wk=[Wk]
Xk为tk时刻的状态向量,Φ为tk-1时刻至tk时刻的一步转移矩阵,Γ为系统噪声耦合矩阵,Wk为零均值白噪声或高斯白噪声,其协方差矩阵为Qk;
其中,Xk中包含xk和xk的m阶导数(m=1,2,…,n-1)的状态信息序列,表示xk的一阶导数,ts为采样间隔,n为模型维数。
3.根据权利要求1所述的基于时域与频域的卡尔曼平滑滤波方法,其特征在于,采用泰勒级数低阶近似模型,滤波器的量测方程为
Zk=HXk+Vk(2)
式中,Zk=[x′k],H=[100...0],Vk=[Vk],Zk为tk时刻的量测向量,x′k为待滤波信号,H为量测矩阵,Vk为零均值白噪声或高斯白噪声,其协方差矩阵为Rk。
4.根据权利要求1所述的基于时域与频域的卡尔曼平滑滤波方法,其特征在于,所述卡尔曼平滑滤波算法包括正向滤波算法,正向滤波算法如下:
状态一步预测
状态估计
滤波增益Kk=Pk/k-1HT(HPk/k-1HT+Rk)-1(5a)
或
一步预测均方误差Pk/k-1=ΦPk-1ΦT+ΓQk-1ΓT(6)
估计均方误差
或Pk=(I-KkH)Pk/k-1(7b)
或
式中,I为单位矩阵,给定初始状态向量和初始估计均方误差矩阵P0,按(3)~(7)式,(7)式包括(7a)、(7b)及(7c),其他的标号也一样,由量测向量{Zk}(k=1,2,…,M),递推得到状态向量估计表示滤波器Xk的先验估计,表示滤波器Xk-1的后验估计,Zk为待滤波信号,Kk表示卡尔曼滤波增...
【专利技术属性】
技术研发人员:王静波,熊盛青,罗锋,郭志宏,周锡华,王冠鑫,
申请(专利权)人:北方工业大学,中国自然资源航空物探遥感中心,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。