Фильтр Калмана — Бьюси

Фильтр Калмана — Бьюси — это рекурсивный алгоритм оптимальной оценки состояния динамической системы по зашумленным измерениям, основанный на байесовском подходе и теории стохастических процессов. Он представляет собой обобщение классического фильтра Калмана на случай непрерывного времени и является одним из фундаментальных методов в теории управления, обработки сигналов и навигации.

История

Разработка фильтра Калмана — Бьюси связана с именами венгерско-американского инженера Рудольфа Калмана и американского математика Ричарда Бьюси. В 1960 году Калман опубликовал статью, в которой описал дискретный вариант фильтра для оценки состояния линейных систем. В 1961 году совместно с Бьюси они представили непрерывную версию алгоритма, которая получила название фильтра Калмана — Бьюси. Работа основывалась на теории случайных процессов, разработанной Андреем Колмогоровым и Норбертом Винером, и стала развитием винеровского фильтра.

Первоначально алгоритм применялся в задачах навигации и управления космическими аппаратами, в частности, в программе «Аполлон» для оценки траектории полета. Впоследствии область применения расширилась на радиолокацию, экономику, биологию и робототехнику.

Математическая постановка

Фильтр Калмана — Бьюси решает задачу оценивания состояния системы, описываемой линейным стохастическим дифференциальным уравнением:

\[ \dot{x}(t) = A(t)x(t) + B(t)u(t) + G(t)w(t) \]

где \(x(t)\) — вектор состояния, \(u(t)\) — вектор управления, \(w(t)\) — белый гауссов шум с нулевым средним и ковариационной матрицей \(Q(t)\), \(A(t)\), \(B(t)\), \(G(t)\) — матрицы параметров системы.

Измерения описываются уравнением:

\[ z(t) = H(t)x(t) + v(t) \]

где \(z(t)\) — вектор измерений, \(v(t)\) — белый гауссов шум с нулевым средним и ковариационной матрицей \(R(t)\), \(H(t)\) — матрица измерений.

Уравнения фильтра

Фильтр Калмана — Бьюси состоит из двух этапов: прогноза и коррекции, которые выполняются непрерывно во времени.

Уравнение прогноза (экстраполяции):

\[ \dot{\hat{x}}(t) = A(t)\hat{x}(t) + B(t)u(t) + K(t)[z(t) - H(t)\hat{x}(t)] \]

где \(\hat{x}(t)\) — оценка состояния, \(K(t)\) — коэффициент усиления Калмана.

Уравнение для ковариационной матрицы ошибки:

\[ \dot{P}(t) = A(t)P(t) + P(t)A^T(t) + G(t)Q(t)G^T(t) - K(t)R(t)K^T(t) \]

Коэффициент усиления Калмана:

\[ K(t) = P(t)H^T(t)R^{-1}(t) \]

Здесь \(P(t)\) — ковариационная матрица ошибки оценки. Уравнения решаются совместно, начиная с начальных условий \(\hat{x}(0)\) и \(P(0)\).

Свойства и особенности

Оптимальность

Фильтр Калмана — Бьюси является оптимальным в смысле минимума среднеквадратической ошибки для линейных систем с гауссовыми шумами. Для нелинейных систем применяются его расширения, такие как расширенный фильтр Калмана (EKF) или сигма-точечный фильтр (UKF).

Рекурсивность

Алгоритм не требует хранения всей истории измерений — оценка обновляется на основе текущего измерения и предыдущего состояния. Это делает его пригодным для работы в реальном времени.

Устойчивость

При правильной настройке ковариационных матриц \(Q\) и \(R\) фильтр устойчив к шумам и ошибкам моделирования. Однако при неправильной калибровке возможна расходимость оценки.

Применение

Навигация и управление

Фильтр Калмана — Бьюси широко используется в инерциальных навигационных системах (ИНС) для коррекции ошибок гироскопов и акселерометров. В авиации и космонавтике он применяется для оценки положения, скорости и ориентации летательных аппаратов. В России фильтр используется в системах управления баллистических ракет и космических аппаратов, например, в спутниках «Глонасс».

Обработка сигналов

В радиолокации и связи фильтр применяется для отслеживания движущихся целей, подавления шумов и восстановления сигналов. В частности, он используется в системах автоматического сопровождения целей (АСЦ) в РЛС.

Экономика и финансы

В эконометрике фильтр Калмана — Бьюси применяется для оценки скрытых переменных, таких как инфляция, безработица или волатильность, на основе зашумленных данных. Он используется в моделях структурных временных рядов.

Биология и медицина

В биоинженерии фильтр применяется для анализа электроэнцефалограмм (ЭЭГ), электрокардиограмм (ЭКГ) и других биосигналов. Он позволяет выделять полезные сигналы на фоне шумов и артефактов.

Сравнение с дискретным фильтром Калмана

Дискретный фильтр Калмана работает с измерениями, поступающими в дискретные моменты времени, и использует разностные уравнения. Фильтр Калмана — Бьюси оперирует в непрерывном времени, что требует решения дифференциальных уравнений. На практике непрерывная версия часто аппроксимируется дискретной для цифровой реализации, но в некоторых задачах, например, при анализе аналоговых сигналов, непрерывная формулировка предпочтительнее.

Реализация в России

В России фильтр Калмана — Бьюси применяется в оборонной промышленности, авиастроении и космической отрасли. Например, в системах управления ракет-носителей «Протон» и «Союз» используются алгоритмы на основе фильтра Калмана для коррекции траектории. В гражданской сфере он применяется в навигационных системах автомобилей, беспилотных летательных аппаратов (БПЛА) и в робототехнике.

Критика и ограничения

Основные ограничения фильтра Калмана — Бьюси связаны с предположением о линейности системы и гауссовости шумов. В реальных задачах эти условия часто нарушаются, что приводит к субоптимальной работе. Кроме того, алгоритм требует точного знания матриц \(A\), \(B\), \(H\), \(Q\), \(R\), что на практике не всегда достижимо. Для нелинейных систем были разработаны расширенные версии, но они не гарантируют оптимальности.

Источники

1. Kalman R.E., Bucy R.S. New Results in Linear Filtering and Prediction Theory. — Journal of Basic Engineering, 1961.
2. Maybeck P.S. Stochastic Models, Estimation, and Control. — Academic Press, 1979.
3. Anderson B.D.O., Moore J.B. Optimal Filtering. — Prentice-Hall, 1979.
4. Гельфанд И.М., Яглом А.М. О фильтрации и прогнозировании случайных процессов. — Успехи математических наук, 1960.
5. Тихонов В.И., Харисов В.Н. Статистическая радиотехника. — М.: Радио и связь, 1991.