[发明专利]一种任意阶卡尔曼滤波系统

说明书

本发明涉及任意阶卡尔曼滤波系统，包括：可配置存储阵列，包括若干个存储体，存储体为全局共享；可配置计算阵列，包括单精度浮点数乘法器、单精度浮点数加法器以及单精度浮点数除法器；矩阵基本运算模块，完成矩阵加法、矩阵减法、矩阵转置以及矩阵求逆运算；并通过分时复用的方式共用全局可配置计算阵列；状态机，按照卡尔曼滤波算法的递推方程逐步调用矩阵基本运算模块，将矩阵基本运算模块的中间结果存储在存储阵列当中，再按照递推方程调用中间结果。有益效果：本发明通过分时和折叠的方式复用计算资源阵列和存储资源阵列，有效减少资源和面积，降低功耗；采用多路并行的方法设计矩阵基本运算，有效提高系统设计的实时性和数据处理能力。

技术领域

本发明涉及计算机技术领域，尤其涉及任意阶卡尔曼滤波系统。

背景技术

传统求算方式分为软件求算和硬件求算两种求算方式。软件求算方式，主要特征是在由微处理器(CPU，MCU，或者DSP)，内存和部分简单的外设组成的电子系统里，通过软件程序实现大部分的逻辑处理和运算功能，而外设只起辅助的作用；硬件求算方式，主要特征是由特定的运算或处理单元完成系统主要的计算工作，微处理器或者被省略，或者只起协调各部件之间工作的作用。两种求算方式各有自己的优缺点。人们只能根据自己的需要，从软件求算和硬件求算中选择一种最适合的方案。然而在某些要求较高的场合下，就往往会出现鱼和熊掌不可兼得的局面。

可重构系统随着微电子技术和计算机技术的发展，尤其是大规模可编程器件FPGA的出现，实时电路重构的思想逐渐引起了学术界的注意。在软件实现的系统中，处理器可动态地调用当前所需的程序段，具有相当的灵活性却损失了一定的性能；在硬件实现的系统中，算法被固化成电路，性能优越但却几乎完全丧失了灵活性。实时电路重构，就是在电子系统的工作状态下，动态改变电路的结构。这主要是通过对系统中的可编程器件进行重配置或部分重配置来实现的。利用这一技术设计的可重构系统，就能在只增加少量硬件资源的情况下，将软件求算和硬件求算的优点合二为一。

由于随机过程存在不确定因素，在随机过程中需要解决如何利用现有的信号更精确地得到状态估计量的问题，也就是状态估计问题。为了解决这样的问题，就要通过最优滤波器来得到状态变量的估计。滤波就是尽可能地消除掉混在信号中的噪声，而把需要的信号分离出来。如果信号和噪声是有规律确定性的，而且它们的频谱分别存在于不同的频段中，就能够用一般的滤波来处理相关问题，达到滤波的作用。而对于状态和噪声没有确定性的规律的情况，就需要寻找其他的方法，利用统计的方法得到状态的最优估计。从另一方面说，对含有随机状态噪声系统的滤波，实际上是一种估计，对输入信号进行处理输出一个最优估计值。18世纪末，高斯提出了参数估计最小二乘法，它用对统计对象的一系列观测数据来计算估计值，在其中实现观测数据与估计值之间的误差平方和最小；1940年，维纳和柯尔莫格洛夫提出了基于最小均方误差准则下的最优线性滤波——维纳滤波，研究中首次使用统计方法来研究随机系统。在维纳滤波理论的基础上，人们开始探索用统计方法研究随机控制问题。来自匈牙利的数学家卡尔曼先生，在1960年发表了有关离散数据线性滤波递推算法的一篇论文，这就是卡尔曼滤波的出现。

简单来说，卡尔曼滤波器是一个最优化自回归数据处理算法。对于解决部分问题，他是最优、效率最高甚至是最有用的。他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。

在实际应用中，需要考察卡尔曼滤波算法的运算精度和运算速度。卡尔曼滤波算法常采用通用处理器通过C语言软件编程实现。由于卡尔曼滤波算法存在大量的计算过程，同时通用处理器串行地执行软件程序，因此在对实时性要求比较高的场合中该方法难以满足系统对运行速度的要求。

发明内容

本发明的目的在于克服以上现有技术之不足，提供一种有效地的提高卡尔曼滤波系统的运算速度，提高卡尔曼滤波算法的灵活性的任意阶卡尔曼滤波系统，具体由以下技术方案实现：

所述任意阶卡尔曼滤波系统，包括：