一種用于圖像濾噪的kalman濾波器設(shè)計【文獻綜述】

1、畢業(yè)設(shè)計文獻綜述畢業(yè)設(shè)計文獻綜述電氣工程及自動化電氣工程及自動化一種用于圖像濾噪的一種用于圖像濾噪的KalmanKalman濾波器設(shè)計濾波器設(shè)計簡單來說，卡爾曼濾波器是一個“optimalrecursivedataprocessingalgithm（最優(yōu)化自回歸數(shù)據(jù)處理算法）”。Kalman濾波理論作為一種最重要的最優(yōu)估計理論應(yīng)用于各種領(lǐng)域，包括機器人導航，控制，傳感器數(shù)據(jù)融合甚至在軍事方面的雷達系統(tǒng)以及導彈追蹤等等。對于解決很大部分的

2、問題，它是最優(yōu)，效率最高甚至是最有效的。隨著計算機的迅速發(fā)展和廣泛的應(yīng)用，特別在航空領(lǐng)域迅速得到了應(yīng)用，取得了許多成功的實例。近年來更被應(yīng)用于計算機圖像處理，例如頭臉識別，圖像分割，圖像邊緣檢測等等?！盀V波”事實上是一種數(shù)據(jù)處理運算法則，盡管濾波器的典型內(nèi)涵是作為一個“黑盒”，包含一些電氣網(wǎng)絡(luò)，事實上在大部分實際應(yīng)用中“濾波器”只是在中央處理器的一個計算機程序。因此，它在本質(zhì)上包含了離散時間測量采樣，而不是連續(xù)時間輸入。圖1.1描述了一

3、個典型情況，卡爾曼濾波器可以有利得被使用。某一類系統(tǒng)被一些已知的控制和測量設(shè)備所驅(qū)動，這些測量設(shè)備提供了相關(guān)的數(shù)量值。這些輸入輸出信息是可以從物理系統(tǒng)中明確獲得，并用于估計用途的?？刂葡到y(tǒng)誤差源系統(tǒng)狀態(tài)（期望的，但未知）測量設(shè)備系統(tǒng)測量誤差源觀察到的測量值卡爾曼濾波器系統(tǒng)狀態(tài)的最優(yōu)估計離散卡爾曼濾波器循環(huán)更新圖。時間更新方程將當前狀態(tài)變量作為先驗估計及時地向前投射到測量更新方程，測量更新方程校正先驗估計以獲得狀態(tài)的后驗估計。計算完時間更

4、新方程和測量更新方程，整個過程再次重復。上一次計算得到的后驗估計被作為下一次計算的先驗估計。這種遞歸推算是卡爾曼濾波器最吸引人的特性之一——它比其它濾波器更容易實現(xiàn)：例如維納濾波器[Brown92]，每次估計必須直接計算全部數(shù)據(jù)，而卡爾曼濾波器每次只根據(jù)以前的測量變量遞歸計算當前的狀態(tài)估計。目前，解決最優(yōu)濾波問題有三種方法：Wiener濾波方法、卡爾曼濾波方法和現(xiàn)代時間序列分析方法。Wiener濾波由于其自身的局限性，己經(jīng)很難滿足現(xiàn)代科

5、技發(fā)展的需要，所以卡爾曼濾波理論一提出，立刻得到了眾多學者的關(guān)注和研究，現(xiàn)在，它己經(jīng)成為現(xiàn)代控制理論的一個重要分支。但是卡爾曼濾波也有許多不足。（1）卡爾曼濾波方法的提出只適用于線性系統(tǒng)，并且要求觀測方程也必須是線性的。（2）卡爾曼濾波的誤差問題，當系統(tǒng)的模型精確并且一致完全可控與一致完全可觀測條件下穩(wěn)態(tài)濾波與濾波初值的選取無關(guān)，但是我們對于系統(tǒng)的認識不全面，這樣往往使確定的模型與實際不相符并且很難得到噪聲的先驗統(tǒng)計特性，因此，可能會產(chǎn)