Nomenklatur - im ZESS
Nomenklatur - im ZESS
Nomenklatur - im ZESS
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3. Adaptive Kalman-Filter<br />
∞<br />
∫<br />
ξ<br />
−∞<br />
�<br />
⋅ I<br />
�<br />
[ ⋅ Gα<br />
] ⋅<br />
∞<br />
() ()( ξ < � ) ⋅ Gξ<br />
= ξ ⋅ I () ()( ξ , α < � )<br />
� � �<br />
� � ��<br />
� �<br />
�<br />
[ ˆ<br />
+<br />
�<br />
=<br />
⇓<br />
∫ � ∫�<br />
−∞<br />
∞<br />
= ∫ξ⋅ � ∫�<br />
−∞<br />
∞<br />
∫ ⎢ � ∫<br />
−∞<br />
= Ε<br />
⎡<br />
⎣<br />
[ I<br />
⋅ Gα]<br />
⋅<br />
ξ<br />
�<br />
�<br />
⋅ I<br />
Gξ<br />
() ()( ξ α,<br />
< � ) ⋅ I ()( α < � )<br />
� ���<br />
�<br />
� � �<br />
�<br />
Gξ<br />
() ()( ξ α,<br />
< � ) ⋅ Gξ<br />
I ()( α < � )<br />
� ���<br />
�<br />
⎥ ⋅ � � �<br />
+<br />
{ [ () N < () N = < } = [ ˆ () ⋅ I ()( α < ) ⋅ Gα<br />
�<br />
�<br />
�<br />
�<br />
∫<br />
�<br />
�<br />
� � = α<br />
�<br />
⎤<br />
⎦<br />
�<br />
� � �<br />
�<br />
�<br />
⋅ Gα<br />
Diskussion des adaptiven Kalman-Filter Algorithmus nach Bayes<br />
Nach dem PHDVXUHPHQW XSGDWH des linearen Kalman-Filters, wird der von D unabhängige<br />
Schätzwert mit den Glg. [3.1.41] und Glg. [3.1.43] berechnet. In beiden Gleichungen wird<br />
auch sofort der Nachteil dieser Methode deutlich: Es muß über einen festen Bereich A integriert<br />
werden. Dies läßt sich durch die Diskretisierung des Parametervektors, d.h.<br />
{ }<br />
D∈D1 , L , D�, vermeiden, wodurch die Berechnung der Integration durch eine Summenbildung<br />
ersetzt wird. Zu Beginn muß die Verteilungsdichtefunktion I ( α � ) bekannt sein. Die<br />
Wahrscheinlichkeit S ( W � 0 ) gibt an, daß D zum Zeitpunkt t0 (es liegt noch keine Messung vor)<br />
den Wert D � angenommen hat. Daraus folgt für I ( α ) :<br />
mit den Randbedingungen<br />
�<br />
( α) = ∑ � ( 0)<br />
⋅δ( α −α<br />
� )<br />
I S W<br />
�<br />
�=<br />
1<br />
( ) �(<br />
)<br />
∑ S W XQG S W<br />
� 0 = 1 0 ≥ 0<br />
�=<br />
1<br />
Definiert man nun noch die hypothetisch bedingte Wahrscheinlichkeit,<br />
{ }<br />
( ) α ( )<br />
S W = S D = < N = <<br />
� � � �<br />
wobei Glg. [3.1.46] ebenso Glg. [3.1.45] erfüllt, dann läßt sich äquivalent zu obiger Herleitung<br />
ein rekursiver Algorithmus angeben:<br />
S W<br />
( )<br />
� �<br />
=<br />
�<br />
∑<br />
�=<br />
1<br />
I S W<br />
⋅<br />
( ) ( ) ( −1)<br />
� � ��� �−1 � �<br />
⎛⎜<br />
⎝<br />
I S W<br />
, −1<br />
⋅<br />
( ) ( ) ( −1)<br />
� � � � � � �<br />
⎞ ⎠ ⎟<br />
[3.1.43]<br />
[3.1.44]<br />
[3.1.45]<br />
[3.1.46]<br />
[3.1.47]<br />
Seite 38