控制系統(tǒng)仿真課程設(shè)計--基于kalman濾波的信息融合算法設(shè)計-資料下載頁
2025-06-06 00:28本頁面
【正文】 1:50 V2(:,k)=sqrt(R)*randn(2,1)。 if k==1 X2(:,k)=A*x0+W(:,k)。 Z2(:,k)=H*X2(:,k)+V2(:,k)。 else X2(:,k)=A*X2(:,k1)+W(:,k)。 Z2(:,k)=H*X2(:,k)+V2(:,k)。 end end %預測數(shù)據(jù)和估計數(shù)據(jù) 2 for k=1:50 if k==1 X_yc2(:,k)=A*X_0。 Z_yc2(:,k)=H*X_yc2(:,k)。 P_yc2(:,:,k)=A*P0*A39。+Q。 T_yc2(k)=trace(P_yc2(:,:,k))。 else X_yc2(:,k)=A*X_gj2(:,k1)。 Z_yc2(:,k)=H*X_yc2(:,k)。 P_yc2(:,:,k)=A*P_gj2(:,:,k1)*A39。+Q。 T_yc2(k)=trace(P_yc2(:,:,k))。 end K2(:,:,k)=P_yc2(:,:,k)*H39。/(H*P_yc2(:,:,k)*H39。+R)。 X_gj2(:,k)=X_yc2(:,k)+K2(:,:,k)*(Z2(:,k)Z_yc2(:,k))。 P_gj2(:,:,k)=(eye(2)K2(:,:,k)*H)*P_yc2(:,:,k)。 T_gj2(k)=trace(P_gj2(:,:,k))。 end % 融合 for k=1:50 P_rh(:,:,k)=inv(P_gj2(:,:,k))+inv(P_gj1(:,:,k))。 P_rhgj(:,:,k)=inv(P_rh(:,:,k))。 T_rhgj(k)=trace(P_rhgj(:,:,k))。 X_rhgj(:,k)=P_rhgj(:,:,k)*inv(P_gj2(:,:,k))*X_gj2(:,k)+P_rhgj(:,:,k)*inv(P_gj1(:,:,k))*X_gj1(:,k)。 end %繪制融合狀態(tài)估計局部 1局部 2分量一曲線 figure(1) t=1:50。 plot(t,X_rhgj(1,t),39。ok39。,t,X_gj1(1,t),39。*r39。,t,X_gj2(1,t),39。b39。) legend(39。融合狀態(tài)分量一 39。,39。局部 1分量一 39。,39。局部 2分量一 39。) xlabel(39。仿真次數(shù) 39。) ylabel(39。數(shù)值 39。) %繪制融合狀態(tài)估計局部 1局部 2分量一曲線 figure(2) t=1:50。 plot(t,X_rhgj(2,t),39。or39。,t,X_gj1(2,t),39。*k39。,t,X_gj2(2,t),39。b39。) legend(39。融合狀態(tài)分量二 39。,39。局部 1分量二 39。,39。局部 2分量二 39。) xlabel(39。仿真次數(shù) 39。) ylabel(39。數(shù)值 39。) %繪制融合估計誤差協(xié)方差和每個局部估計誤差協(xié)方差曲線 figure(3) k=1:50。 plot(T_gj1(1,k),39。ob39。)。 hold on plot(T_gj2(1,k),39。r39。)。 hold on plot(T_rhgj(1,k),39。*k39。)。 hold off legend(39。估計一陣跡 39。,39。估計二陣跡 39。,39。估計融合陣跡 39。) xlabel(39。仿真次數(shù) 39。) ylabel(39。數(shù)值 39。) （ 2）繪出融合狀態(tài)估計和每個局部估計狀態(tài)估計值的曲線圖 0 5 10 15 20 25 30 35 40 45 5050510152025仿真次數(shù)數(shù)值 融合狀態(tài)分量一局部 1 分量一局部 2 分量一 0 5 10 15 20 25 30 35 40 45 502 1 . 51 0 . 500 . 511 . 52仿真次數(shù)數(shù)值 融合狀態(tài)分量二局部 1 分量二局部 2 分量二 （ 3）繪出融合估計誤差協(xié)方差矩陣跡和每個局部估計誤差協(xié)方差陣跡曲線圖； 0 5 10 15 20 25 30 35 40 45 50012345678仿真次數(shù)數(shù)值 估計一陣跡估計二陣跡估計融合陣跡 （ 4）對上述仿真結(jié)果進行分析。 融合之后的估計值與真實值的誤差比兩個分量都要小。這是因為通過多個設(shè)備對同一狀態(tài)的加權(quán)估計，得到的結(jié)果可以進一步減小與真實值的誤差。 四、實踐總結(jié) 經(jīng)過這兩個星期的短學期，我對 kalman 濾波有了一定的了解，通過編程對Matlab 軟件更加熟悉。體驗到了跟以往不同的學習方式，提高了自己的自學能力。從中學到了不少以前沒有深入過的知識，讓我獲益匪淺。 五、致謝 非常感謝葛老師及研究生學長 在我上機過程為我解答疑問，對我的錯誤提出指正。同時也感謝跟我一同討論問題的同學對我的幫助。
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1