第二章状态估计基础状态估计的目的是对目标过去的状态进行平滑、对目标现在的运动状态进行滤波和对目标未来的运动状态进行预测。这些运动状态包括目标位置、速度、加速度等。本章讨论在多传感器跟踪系统中广泛应用的状态估计技术,这些技术包括Kalman滤波技术,a-卩滤波与a-卩-丫滤波技术、最小二乘滤波技术和非线性系统的状态估计技术。线性系统估计卡尔曼滤波技术线性系统描述1. 离散时间线性动态系统的状态方程线性系统采用状态方程、观测方程及其初始条件来描述。线性离散时间系统的一般状态方程可描述为X(k+1)=(k)X(k)+G(k)V(k)其中,X(k)GRn是k时刻目标的状态向量,V(k)GRn是过程噪声,它是具有均值为零、方差矩阵为Q(k)的高斯噪声向量,即V (k)=0V (k)Vt(l)=Q(k)8kl(8:狄拉克函数,或单位冲激函数),(k)GRnxn是状态转移矩阵,G(k)GRnxn是过程。2. 传感器的测量(观测)方程传感器的通用观测方程为Z(k)=H(k)X(k)+W(k)这里,Z(k)GRm是传感器在k时刻