Kalman-Filter

  • Kristian Kroschel
  • Gerhard Rigoll
  • Björn Schuller
Chapter

Zusammenfassung

Im vorigen Kapitel wurden Wiener-Filter zur Signalschätzung unter folgenden Randbedingungen betrachtet:
  • Die Prozesse sind zumindest schwach stationär und werden durch ihre Korrelationsfunktionen bzw. Leistungsdichten beschrieben.

  • Das zeitdiskrete Messsignal r(i) steht im Beobachtungsintervall −∞ < i ≤ k zur Verfügung.

  • Das Schätzsignal \( \hat d \)(k) – insbesondere für Filterung, Prädiktion und Interpolation – entsteht durch eine lineare Operation aus dem Messsignal r(i), weil das gewünschte Signal d(k) linear vom Quellensignal q(k) abhängt.

  • Als Optimalitätskriterium wird der mittlere quadratische Fehler E{(\( \hat D \)(k)−D(k))2} minimiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Copyright information

© Springer-Verlag Berlin Heidelberg 2011

Authors and Affiliations

  • Kristian Kroschel
    • 1
    • 2
  • Gerhard Rigoll
    • 3
  • Björn Schuller
    • 3
  1. 1.Fakultät für Elektrotechnik und InformationstechnikKarlsruher Institut für Technologie (KIT)KarlsruheDeutschland
  2. 2.Fraunhofer Institut für Optronik, Systemtechnik und Bildauswertung (IOSB)KarlsruheDeutschland
  3. 3.Technische Universität München Lehrstuhl für Mensch- Maschine-KommunikationMünchenDeutschland

Personalised recommendations