On donne lquation dtat dun processus en rgime autonome :

On admet les hypothses prsentes dans le cours. On notera Yk = [y(0), y(1), , y(k)]T, le vecteur form des sorties jusqu linstant k. 1. Montrer que le prdicteur un pas de ltat (lestime de x(k) en supposant connues les mesures jusqu linstant k-1) est donn par lquation :

xk +1 = k xk + k vk yk = H k xk + wk

x(k / k 1) = (k 1) x(k 1 / k 1)
2. On dfinit lerreur destimation un pas par la diffrence entre la valeur x(k) et celle donne par le prdicteur un pas. Montrer que la matrice de covariance de lerreur de prdiction un pas est donne par :

P(k / k 1) = (k 1) P(k 1 / k 1) T (k 1) + (k 1)QT (k 1)

On dfinit le processus dinnovation par lexpression :

(k ) = y (k ) E[ y (k ) / Yk 1 ]

3. Montrer que (k) est indpendant de Yk-1 et que sa moyenne est nulle. 4. Montrer que :

E[ y (k ) / Yk 1 ] = H ( k )x(k / k 1)

5. En dduire lexpression de (k) et montrer lexpression suivante du prdicteur : avec :

x(k / k ) = x(k / k 1) + K (k )[ y (k ) H (k ) x(k / k 1)]

K (k ) = P (k / k 1) H T (k ) H (k ) P (k / k 1) H T (k ) + R

6. Calculer la matrice de covariance de lerreur P(k/k) et montrer quon peut lcrire sous la forme

P( k / k ) = ( I K k H k )P(k / k 1)

Connue sous le nom de lquation de Riccati. 7. Ecrire les quations du Filtre de Kalman et retrouve le schma fonctionnel. 8. Reprendre le calcul en tenant compte dans le modle de dpart dune entre de commande. Comparer vos rsultats avec ceux utiliss dans MATLAB (taper Kalman dans le dossier help de MATLAB, control system toolbox).