第三章 卡尔曼滤波3.2 算法和模型-5-6卡尔曼滤波特性和状态可观测性-闭环卡尔曼滤波

标准卡尔曼滤波设计中，假设系统模型是线性的。实际上在许多导航应用中，例如INS的组合、对准和标校，实际系统模型是非线性的（例如状态向量的时间导数随状态向量元素的二阶量或更高阶量变化）。

在以线性近似系统模型为基础的误差状态卡尔曼滤波中，一种常用的获得最佳估计性能的技术就是闭环卡尔曼滤波。这里，卡尔曼滤波得到的误差估计值，在每次迭代中或按固定时间间隔反馈回去，用于校正系统本身，使过程中卡尔曼滤波状态趋于零值。这个反馈过程是的卡尔曼滤波状态值为小量，减小了系统模型中忽略的状态高次乘积项的影响。相反，在没有反馈的开环卡尔曼滤波中，状态值会随时间增长而逐渐变大。

 

反馈状态估计的最佳时机，是在观测更新后立即进行。

卡尔曼滤波的闭环和开环实现可以混合，这样一些状态估计就能作为校正值被反馈，而另外一些不反馈。

 

在导航中，闭环卡尔曼滤波普遍应用于组合导航、对准和低精度INS标校等过程，而且也可用于GNSS接收机时钟的校正。