![雷达数据处理及应用(第四版)](https://wfqqreader-1252317822.image.myqcloud.com/cover/900/47379900/b_47379900.jpg)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
3.3.1 滤波器稳定的数学定义和判断方法
1.滤波器稳定的数学定义
若对于任意给定正数ε>0,都可以找到正数δ>0,使得对任意满足不等式[3]
![](https://epubservercos.yuewen.com/C6293B/26763973309544206/epubprivate/OEBPS/Images/43988_75_3.jpg?sign=1738825106-hbywG0yskNAcKKu1MX2uttlpfYSbBk0A-0-02a5857faf1b0729dc8d04e46a4b5cea)
的初始状态,有
![](https://epubservercos.yuewen.com/C6293B/26763973309544206/epubprivate/OEBPS/Images/43988_75_5.jpg?sign=1738825106-n9Rvwz4mrzoxPL9Jxwpz7wGe77HBmb8k-0-756ebd5c28ad28ddfe0226e2a1690fa0)
成立,则称滤波器稳定。
既然滤波器稳定是指随着滤波时间的增长,滤波值逐渐不受所选取的初始估计值的影响,那么什么情况下滤波器的初始值选取会对滤波结果逐渐无影响,即什么情况下滤波是稳定的?如何判断?这就是下面要讨论的问题。
2.稳定性判断
如果随机线性系统是一致完全可控和一致完全可观测的,则Kalman滤波是一致渐近稳定的[3],即当滤波时间充分长后,它的Kalman滤波值将渐近地不依赖于滤波初值的选取。随机线性系统的可控性是描述系统随机噪声影响系统状态的能力,而根据观测数据通过某种算法能够获得目标的位置信息,即为可观测性问题。对于随机线性定常系统,一致完全可控和一致完全可观测就是完全可控和完全可观测,而什么是完全可控?什么又是完全可观测呢?这就是下一小节要讨论的问题。