維納最速下降法濾波器卡爾曼濾波器設(shè)計及matlab仿真-資料下載頁
2025-08-11 16:35本頁面
【導(dǎo)讀】含有噪聲的數(shù)據(jù)中提取人們感興趣的，接近規(guī)定質(zhì)量的信息。金融工程等眾多不同的領(lǐng)域。例如，考慮一個數(shù)字通信系統(tǒng)，其基本形式由發(fā)。射機、信道和接收機連接組成。1符號序列組成的消息信號變換成為適合于信道上傳送的波形。干擾和噪聲的存在，信道輸出端收到的信號是含有噪聲的或失真的發(fā)送信號。隨著通信系統(tǒng)復(fù)雜度的提高，對原消息信號的還原成為通信?；夹g(shù)，而卡爾曼濾波器隨著應(yīng)用條件的精簡成為了普適性的高效濾波器。考慮一個代價函數(shù)，它是某個未知向量的連續(xù)可微分函數(shù)。將的元素映射為實數(shù)。這也是無約束最優(yōu)化的數(shù)學(xué)表示。其中是權(quán)向量的過去值，而是其更新值。法，該方法是沿最速下降方向連續(xù)調(diào)整權(quán)向量。此式表明當(dāng)為正數(shù)時，。的廣義平穩(wěn)隨機過程的抽樣值。在時刻抽頭輸入向量表示為，濾。換句話說，狀態(tài)由。地，比較有代表性的情況是，狀態(tài)是未知的。式中利用了狀態(tài)與噪聲向量互不相關(guān)這一事實。這樣，用預(yù)測狀態(tài)誤差向量代替相乘因子，將不會引
【正文】 coef(1, 1+randn)))。 echo off for i=1:N1。 %vg=2*Rxx*hn(:,i)2*Ryx。 %hn(:,i+1)=hn(:,i)1/2*q*vg。 vg=2*Rxx*hn(i)2*Ryx。 hn(i+1)=hn(i)1/2*q*vg。 m(i)=1。 end t=1:N1。 plot(t,hn(t),39。r39。,t,m(t),39。b39。)。 后聯(lián)平滑濾波器的卡爾曼濾波器 clear clc。 N=300。 CON = 5。 x = zeros(1,N)。 x(1) = 1。 p = 10。 Q = randn(1,N)*。%過程噪聲協(xié)方差 R = randn(1,N)。%觀測噪聲協(xié)方差 y = R + CON。%加過程噪聲的狀態(tài)輸出 for k = 2 : N Q1 = cov(Q(1:k1))。%過程噪聲協(xié)方差 Q2 = cov(R(1:k1))。 x(k) = x(k 1)。%預(yù)估計 k 時刻狀態(tài)變量的值 p = p + Q1。%對應(yīng)于預(yù)估值的協(xié)方差 kg = p / (p + Q2)。%kalman gain x(k) = x(k) + kg * (y(k) x(k))。 p = (1 kg) * p。 end Filter_Wid = 10。 smooth_res = zeros(1,N)。 kalman_p = zeros(1,N)。 for i = Filter_Wid + 1 : N tempsum = 0。 kalman_m = 0。 for j = i Filter_Wid : i 1 tempsum = tempsum + y(j)。 kalman_m = kalman_m+x(j)。 end kalman_p(i) = kalman_m/Filter_Wid。 smooth_res(i) = tempsum / Filter_Wid。%平滑濾波 end % figure(1)。 % hist(y)。 t=1:N。 figure(1)。 expValue = zeros(1,N)。 for i = 1: N expValue(i) = CON。 end plot(t,expValue,39。r39。,t,x,39。g39。,t,y,39。b39。,t,smooth_res,39。k39。,t,kalman_p,39。m39。)。 legend(39。truth39。,39。estimate39。,39。measure39。,39。smooth result39。,39。smooth kalman39。)。 %axis([0 N 0 30]) xlabel(39。Sample time39。)。 ylabel(39。Room Temperature39。)。 title(39。Smooth filter VS kalman filter39。)。
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1