[发明专利]一种基于现场可编程门阵列的卡尔曼滤波器

说明书

(一)技术领域

本发明涉及一种滤波器，具体为一种基于现场可编程门阵列(FPGA，FieldProgrammable Gate Array)的卡尔曼滤波器设计。采用此种硬件集成电路，在已知历史量测的条件下，对目标的位置估计、速度等状态的估计值与测量值之间误差的方差进行最小化，并通过更新k时刻的状态正确估计目标在k+1时刻的位置和速度等状态矢量。本发明属于数字集成电路设计和数字信号处理技术领域。

(二)背景技术

随着微电子技术的发展和高速、超高速集成电路芯片的问世，使计算机技术不管是在容量上还是在速度上均有了非常大的提高。许多过去难以实时计算的问题也逐步迎刃而解。其中包含卡尔曼滤波算法的广泛应用，就是一个明显的例子。

卡尔曼滤波算法是一种最优化自回归数据处理算法。在机动目标跟踪中具有良好的性能，对于解决很大部分的问题，卡尔曼滤波算法是最佳估计并能进行递推计算。它的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。

卡尔曼滤波，是一种线性最小方差估计，特点是考虑了系统的模型误差和测量噪声的统计特性。考虑带L个传感器的多传感器系统，目标的运动模型和测量模型分别为：

x(k+1)＝Φx(k)+Gw(k)                  (1)

z_i(k)＝H_ix(k)+v_i(k)，i＝1，2，...L    (2)

其中x(k)=x(t)x·(t)y(t)y·(t)z(t)z·(t)∈Rn,]]>为n维目标状态变量；zi(k)∈Rmi,]]>为第i个传感器的m维观测向量，w(k)∈Rⁿ为n维过程噪声向量，vi(k)∈Rmi]]>是m维测量噪声向量，二者均是零均值的相互独立白噪声随机向量序列，Φ为n×n维状态转移矩阵，G为噪声分布矩阵，H_i为m×n维测量系数阵。