維納最速下降法濾波器卡爾曼濾波器設(shè)計及matlab仿真(參考版)
2024-08-24 16:35本頁面
【正文】 。Smooth filter VS kalman filter39。)。 ylabel(39。Sample time39。)。,39。,39。,39。,39。 legend(39。m39。k39。b39。g39。r39。 for i = 1: N expValue(i) = CON。 figure(1)。 % hist(y)。 smooth_res(i) = tempsum / Filter_Wid。 kalman_m = kalman_m+x(j)。 kalman_m = 0。 kalman_p = zeros(1,N)。 end Filter_Wid = 10。%kalman gain x(k) = x(k) + kg * (y(k) x(k))。%預(yù)估計 k 時刻狀態(tài)變量的值 p = p + Q1。%過程噪聲協(xié)方差 Q2 = cov(R(1:k1))。%觀測噪聲協(xié)方差 y = R + CON。 Q = randn(1,N)*。 x(1) = 1。 CON = 5。 后聯(lián)平滑濾波器的卡爾曼濾波器 clear clc。b39。r39。 end t=1:N1。 hn(i+1)=hn(i)1/2*q*vg。 %hn(:,i+1)=hn(:,i)1/2*q*vg。 echo off for i=1:N1。 Rxx=xcorr(1)。 hn(:)=5。amp。 q=。)。,39。,39。%紅色卡爾曼 ， 綠色觀測值 ， 藍(lán)色狀態(tài)值 legend(39。b39。g39。r39。 end t=1:N。%kalman 增益 s(t)=a*s(t1)+b(t)*(Y(t)a*c*s(t1))。 p1(t)=a.^2*p(t1)+Rww。 Rww=cov(Q1(1:t))。 s(1)=1。Y(k)=c*x(k)+Q2(k)。x(k)=a*x(k1)+Q1(k1)。%過程噪聲 Q2 = randn(1,N)。 c=1。 x(1)=5。 5 Matlab 源代碼 (部分參考自互聯(lián)網(wǎng) ) 經(jīng)典卡爾曼濾波器 clear N=200。 一種不需初始化的 卡爾曼濾波器仿真 這種濾波器只是實現(xiàn)了無需對部分變量進(jìn)行初始化的設(shè)計，沒有特別意義上的改進(jìn)經(jīng)典卡爾曼濾波器本身性能的特點。如果將狀態(tài)端的干擾再增大，則會出現(xiàn)更為嚴(yán)峻的濾波考驗，濾波效果如下。如下圖，是加大了狀態(tài)端的干擾，所呈現(xiàn)的濾波效果。因此可以總結(jié)出，對于最速下降法來說，步長的選取是很重要的，根據(jù)不同條件的需求，選取正確的步長，能為算法的快速高效提供基礎(chǔ)。 卡爾曼變量和參數(shù)小結(jié) 變量 定義 維數(shù) 時刻狀態(tài) 時刻狀態(tài)值 從 時刻到 時刻的轉(zhuǎn)移矩陣 時刻的測量矩 陣 過程噪聲 的相關(guān)矩陣 過程噪聲 的相關(guān)矩陣 給定觀測值在 時刻狀態(tài)的預(yù)測估計 給定觀測值 在時刻狀態(tài)的濾波估計 時刻卡爾曼增益矩陣 時刻新息向量 新息
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1