GNSS说第(七)讲—自适应动态导航定位(四)—Kalman滤波

Kalman滤波的显著特点是对状态空间进行估计,而状态空间估计一般是动态估计。Kalman滤波采用递推算法,即由参数的验前估值和新的观测数据进行状态参数的更新。如此Kalman滤波一般只需存储前一个历元的状态参数估值，无须存储所有历史观测信息。显然Kalman滤波具有很高的计算效率,并可进行实时估计。

Kalman滤波考虑了信号与测量值的基本统计特性(一阶、二阶统计特性),而且由于采用了状态空间概念,用状态方程描述系统,信号作为状态,所以它既能估计平稳的一维信号随机过程,又能估计非平稳的多维(向量)信号随机过程。

“滤波”是信号处理的重要工具，一般用于从具有噪声的数据中提取信号。基于这一定义,滤波在许多工程领域(如通信、雷达、导航、地震、大地测量、生物工程等)具有广泛应用。与滤波并行的有三个概念:滤波﹑平滑和预报。每一种运算都代表一种估计(Haykin,2002)。

“滤波”是指从所有观测信号(包括观测时刻t的观测数据)中提取信号的方法(邓自立,2000,2001)。 “平滑”是指从直到观测时刻t的观测信息中,提取实验过程中t’(t’