5
Introduction
Ce document est une introduction au filtre optimal de Kalman appliqu´e aux
syst`emes lin´eaires. On suppose connues la th´eorie des asservissements lin´eaires et du
filtrage fr´equentiel (continu et discret) ainsi que les notions d’´etats pour repr´esenter
les syst`emes dynamiques lin´eaires.
D’une fa¸con g´en´erale, la fonction de filtrage consiste `a estimer une information
(signal) utile qui est pollu´ee par un bruit. Alors que le filtrage fr´equentiel suppose
qu’il existe une s´eparation entre les r´eponses fr´equentielles du signal utile et du bruit
et consiste `a trouver une fonction de transfert satisfaisant un gabarit sur le gain de
sa r´eponse fr´equentielle (et beaucoup plus rarement sur la courbe de phase), le filtre
de Kalman vise `a estimer de fa¸con ”optimale” l’´etat du syst`eme lin´eaire (cet ´etat
correspond donc `a l’information utile). Avant de d´efinir le crit`ere d’optimalit´e qui
permettra de calculer le filtre de Kalman (et qui est en fait un crit`ere stochastique),
il est n´ecessaire de faire quelques rappels sur les signaux al´eatoires.
Dans la premier chapitre de ce document, nous rappelons comment on car-
act´erise math´ematiquement un signal al´eatoire et nous ´etudierons la r´eponse d’un
syst`eme lin´eaire `a un signal al´eatoire de fa¸con tout `a fait compl´ementaire `a la r´eponse
d’un syst`eme lin´eaire `a un signal d´eterministe (´echelon, rampe, ...). Dans le sec-
ond chapitre nous donnerons tous les ´el´ements d´efinissant la structure du filtre de
Kalman. Le lecteur d´esirant s’informer sur la m´ethodologie g´en´erale de r´eglage
d’un filtre de Kalman pourra directement aller au chapitre 2. Par contre la lecture
du chapitre 1, certes plus lourd sur le plan th´eorique, sera incontournable `a celui
qui voudra comprendre les principes de base utilis´es dans le traitement des signaux
al´eatoires et sur lesquels est fond´e le filtre de Kalman.
Les applications du filtre de Kalman sont nombreuses dans les m´etiers de
l’ing´enieur. Le filtre de Kalman permettant de donner un estim´e de l’´etat de
syst`eme `a partir d’une information a priori sur l’´evolution de cet ´etat (mod`ele) et
de mesures r´eelles, il sera utilis´e pour estimer des conditions initiales inconnues
(balistique), pr´edire des trajectoires de mobiles (trajectographie), localiser un
engin (navigation, radar,...) et ´egalement pour implanter des lois de commande
fond´ees sur un estimateur de l’´etat et un retour d’´etat (Commande Lin´eaire
Quadratique Gaussienne). Les bases de traitement de signal sur lesquelles re-
Introduction au filtre de Kalman Page 5/74