Kalman-Filter

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.