《统计预测与决策第十一章状态空间模型和卡尔曼滤波》由会员分享，可在线阅读，更多相关《统计预测与决策第十一章状态空间模型和卡尔曼滤波（20页珍藏版）》请在金锄头文库上搜索。
1、11 状态空间模型和卡尔曼滤波,11.1 状态空间模型11.2 卡尔曼滤波 11.3 方法评价,回总目录,11.1 状 态 空 间 模 型,一、状态空间模型简述状态空间模型是动态时域模型，以隐含着的时间为自变量。状态空间模型包括两个模型：一是状态方程模型，反映动态系统在输入变量作用下在某时刻所转移到的状态；二是输出或量测方程模型，它将系统在某时刻的输出和系统的状态及输入变量联系起来。,回总目录,回本章目录,状态空间模型分类状态空间模型按所受影响因素的不同分为： （1）确定性状态空间模型 （2）随机性状态空间模型状态空间模型按数值形式分为： （1）离散空间状态模型 （2）连续空间状态模型,回总目
2、录,回本章目录,状态空间模型按所描述的动态系统可以分为： （1）线性的与非线性的 （2）时变的与时不变的,回总目录,回本章目录,二、系统的状态空间离散事件随机性系统的概念是系统理论中最基本的概念。离散事件随机性系统的状态，是指系统内部的可能运动状态和可能储能状态。系统在k=k0时刻的状态，是在kk0时的外部行为。,回总目录,回本章目录,用随机向量序列来描述系统在任一时刻的状态向量，称为状态向量法，也称为状态空间法。状态向量表示为：其中 （k=1，2，1，n）为第i个状态向量。,回总目录,回本章目录,三、系统的输入输出输入输出状态概念引入状态向量是为了对系统内部结构进行数学描述，但在许多情况下，
3、系统的状态是无法直接量测到的，有时甚至全部不能量测到。在实际工作中，能量测到的量之势系统的输入与输出。,回总目录,回本章目录,输入输出变量表示系统的输入也是随时间而变的一组变量，表示为：称为输入向量，其分量 （i=1，2，r)称为输入变量。,回总目录,回本章目录,输入输出变量表示系统所受的随机干扰也是随时间而变的一组变量，表示为：称为系统的动态模型噪声，它是系统的一种特殊输入向量。,回总目录,回本章目录,输入输出变量表示系统的输出也是随时间而变的一组变量，表示为：称为输出向量，其分量 （i=1，2，m)称为输入变量。,回总目录,回本章目录,输入输出变量表示 量测系统也会受到随机噪声的污染，表示
4、为：称为系统的量测噪声。,回总目录,回本章目录,四、状态空间模型状态空间模型定义状态空间模型是描述动态系统的完整模型，它表达了由于输入引起系统内部状态的变化，并由此使输出发生的变化。状态空间模型的不同形式如，线性时不变模型的状态方程可表示为：输出方程为：,回总目录,回本章目录,五、状态空间模型的建立 例 题 例 1 某养鱼场为了反映池塘鱼种的变化，请你帮助建立状态空间模型。解答： （1）取状态向量X（k）为k时刻3个鱼种的数量：输入向量为：,回总目录,回本章目录,（2）状态转移矩阵式中： p1，p2，p3为鲫鱼、青鱼和鲤鱼的生长率，这里为p1=0.1，p2=0.13，p3=0.08。 （3）输
5、入矩阵仍定为常阵,回总目录,回本章目录,（4）输出矩阵或预测矩阵C为33维单位阵， 这样输出向量或量测向量就等同于状态向量，状态空间模型： 即：,回总目录,回本章目录,11.2 卡 尔 曼 滤 波,一、卡尔曼滤波的意义卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测实测修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。,回总目录,回本章目录,二、卡尔曼滤波的形式模型要求卡尔曼滤波要求模型已知。即模型的结构与参数已知，且随机向量的统计特征已知。卡尔曼滤波分类 记 的向量函数：为状态X（k)的估计量，分三种情况：当kj时
6、，称为预测；当k=j时，称为滤波；当kj时，称为平滑。,回总目录,回本章目录,三、卡尔曼滤波特点卡尔曼滤波是解决状态空间模型估计与预测的有力工具之一，它不需存储历史数据，且可以同过计算机程序到达对状态空间模型的优化拟合。,回总目录,回本章目录,11.3 方 法 评 价,一、状态空间的特点 1、状态空间模型不仅能反映系统内部状态，而且能揭示系统内部状态与外部的输入和输出变量的联系。 2、状态空间模型将多个变量时间序列处理为向 量时间序列，这种从变量到向量的转变更适合解决多输入输出变量情况下的建模问题。 3、状态空间模型能够用现在和过去的最小信息形式描述系统的状态，因此，它不需要大量的历史数据资料，既省时又省力。,回总目录,回本章目录,二、状态空间局限性状态空间表示一般是基于马尔科夫特性，这就意味着给定系统的现在状态，则要求系统的将来与过去独立。如果一个系统不满足马尔科夫特性，那么就不适合用状态空间模型。,回总目录,回本章目录,
