Zusammenfassung
Bei dem in Kapitel 8 betrachteten Optimalfilter nach Wiener und Kolmogoroff gelingt eine Lösung der als Wiener-Hopf-Integralgleichung bezeichneten Gleichung 8.13 nur für eine unendlich lange Beobachtungsdauer - bei kausalem Filter beispielsweise von minus unendlich bis zur Gegenwart. Dies bedeutet, daß der Filterausgang erst nach Abklingen aller Einschwingvorgänge optimal ist. Eine weitere — oft wesentliche — Einschränkung liegt darin, daß das Filterproblem nur für stationäre Eingangsprozesse gelöst werden kann. Es hat zahlreiche Versuche gegeben, die Wiener-Hopf-Integralgleichung unter weniger einschränkenden Voraussetzungen zu lösen [116]. Kalman gelang zunächst eine Lösung des Optimalfilterproblems für zeitdiskrete Prozesse [56]. Kalman und Bucy fanden dann eine Lösung auch für zeitkontinuierliche Prozesse [57]. Beide Lösungen gehen von Prozeßmodellen aus, die mit Hilfe von Zustandsvariablen formuliert werden. Hergeleitet werden lineare rekursive Filter, die kausal sind und deren Ausgang bereits vom Einschaltzeitpunkt an optimal ist. Durch die Benutzung von Zustandsvariablen entfällt der bei der Bestimmung der Gewichtsfunktion des Wiener-Kolmogoroff-Filters notwendige Umweg über den Frequenzbereich und die für das kausale Filter notwendige Faktorisierung des Leistungsdichtespektrums des Filtereingangs.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2001 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Hänsler, E. (2001). Kalman—Filter. In: Statistische Signale. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-56674-5_9
Download citation
DOI: https://doi.org/10.1007/978-3-642-56674-5_9
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-62579-4
Online ISBN: 978-3-642-56674-5
eBook Packages: Springer Book Archive