基于Kalman滤波算法的传感器数据处理开题报告

1. 研究目的与意义

由于传感器在光电测量及使用中会造成信号的干扰影响测量精度，因此用卡尔曼滤波对数据进行处理。卡尔曼滤波是一种时域滤波方法，采用状态空间方法对系统进行描述，卡尔曼滤波算法在工业上应用广泛。

卡尔曼（Kalman）滤波是一种根据时变随机信号的统计特性，对信号的未来值做出尽可能接近真值的一种估计方法。卡尔曼滤波器的一个典型实例是从一组包含噪声的观察序列预测出物体的位置坐标及速度。卡尔曼滤波属于一种软件滤波，以递归的方式进行滤波的更新计算。

2. 国内外研究现状分析

由于卡尔曼滤波技术在工业生产中有着广泛的应用，国内外大量学者对此有深入的研究，1960年匈牙利科学家卡尔曼（Kalman）以及布西提出了卡尔曼滤波算法。用递归的方法解决了离散数据线性滤波的问题。卡尔曼滤波可以对被估计的目标进行过去时刻和现在时刻的估计，也可以对未来的状态进行估计。

卡尔曼滤波(Kalman filtering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理,因此卡尔曼滤波是目前应用最为广泛的滤波方法, 在通信、导航、制导与控制等多领域得到了较好的应用。

斯坦利施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。

3. 研究的基本内容与计划

研究内容：1、目前主要研究进展 2、传感器数据处理主要方法综述 3、Kalman滤波基本算法及其实现 4、对实际数据的处理及结论分析。

4. 研究创新点

论文通过MATLAB软件对用卡尔曼滤波处理的传感器数据进行分析以及分类总结，并用MATLAB来实现算法，采用卡尔曼递归滤波方式对传感器传输的数据进行噪音滤除。