『非线性滤波算法』Dr. Yuan-Li CaiSpring 2023
pink 『非线性滤波算法』 Dr. Yuan-Li Cai Spring 2023
0.Outline非线性贝叶斯滤波理论/3/16基于标称状态的线性化滤波方法/ 23扩展卡尔曼滤波递代扩展卡尔曼滤波／30Unscented Kalman Filter(UKF) / 33粒子滤波（PF）／34O
0. Outline 1 非线性贝叶斯滤波理论 / 3 2 基于标称状态的线性化滤波方法 / 16 3 扩展卡尔曼滤波 / 23 4 递代扩展卡尔曼滤波 / 30 5 Unscented Kalman Filter(UKF) / 33 6 粒子滤波 (PF) / 34
OUTLINE【非线性滤波算法】我们在实际应用中遇到的系统绝大多数都是非线性的，此时的状态估计远比线性系统要复杂和困难。和线性系统类似，非线性系统的状态估计也可以分为预测、滤波和平滑三类。这里我们仅讨论若干非线性系统的滤波问题。2/35Dr. Yuan-Li CaiXi'an Jiaotong University
OUTLINE 『非线性滤波算法』 我们在实际应用中遇到的系统绝大多数都是非线性的，此时的状态估 计远比线性系统要复杂和困难。和线性系统类似，非线性系统的状态估计 也可以分为预测、滤波和平滑三类。这里我们仅讨论若干非线性系统的滤 波问题。 Dr. Yuan-Li Cai 2/35 Xi’an Jiaotong University
『非线性滤波算法』非线性贝叶斯滤波理论11.非线性贝叶斯滤波理论这是一种具有重要理论价值的方法，但在实际应用中有相当的困难。3/35Dr. Yuan-Li CaiXi'an JiaotongUniversity
1 非线性贝叶斯滤波理论 『非线性滤波算法』 1. 非线性贝叶斯滤波理论 这是一种具有重要理论价值的方法，但在实际应用中有相当的困难。 Dr. Yuan-Li Cai 3/35 Xi’an Jiaotong University
『非线性滤波算法』非线性贝叶斯滤波理论11.1问题描述贝叶斯滤波主要考虑如下形式的非线性系统(1)Xk+1 = g(xk,uk, k) +wk(2)yk+1 = h(xk+1, uk+1, k + 1) + Vk+1这里考虑的是加性噪声。假设1.[uk}是确定性的输入;2.wk]、{V]和xo相互独立，【w]和【vk都是白噪声序列4/35Dr.Yuan-Li CaiXian JiaotongUniversity
1 非线性贝叶斯滤波理论 『非线性滤波算法』 1.1 问题描述 贝叶斯滤波主要考虑如下形式的非线性系统 xk+1 = g(xk, uk, k) + wk (1) yk+1 = h(xk+1, uk+1, k + 1) + vk+1 (2) 这里考虑的是加性噪声。 假设 1. {uk} 是确定性的输入； 2. {wk}、{vk} 和 x0 相互独立，{wk} 和 {vk} 都是白噪声序列； Dr. Yuan-Li Cai 4/35 Xi’an Jiaotong University