卡爾曼濾波器和matlab代碼(參考版)
2025-06-23 03:42本頁面
【正文】 專業(yè)整理分享 。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)。endFilter_Wid = 10。%kalman gain x(k) = x(k) + kg * (y(k) x(k))。%預(yù)估計(jì)k時(shí)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clearclc。b39。r39。endt=1:N1。 hn(i+1)=hn(i)1/2*q*vg。 %hn(:,i+1)=hn(:,i)1/2*q*vg。echo offfor 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。endt=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))clearN=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(shí)現(xiàn)了無需對(duì)部分變量進(jìn)行初始化的設(shè)計(jì)，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(diǎn)。如果將狀態(tài)端的干擾再增大，則會(huì)出現(xiàn)更為嚴(yán)峻的濾波考驗(yàn)，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(duì)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)x(n)n時(shí)刻狀態(tài)M1y(n)n時(shí)刻狀態(tài)值N1F(n+1,n)從n時(shí)刻到n+1時(shí)刻的轉(zhuǎn)移矩陣MMC(n)n時(shí)刻的測量矩陣NMQ1(n)過程噪聲v1(n)的相關(guān)矩陣MMQ2(n)過程噪聲v2(n)的相關(guān)矩陣NNxnyn1給定觀測值y1,y2,?,y(n1)在n時(shí)刻狀態(tài)的預(yù)測估計(jì)M1xnyn給定觀測值y1,y2,?,y(n)在n時(shí)刻狀態(tài)的濾波估計(jì)M1G(n)n時(shí)刻卡爾曼增益矩陣MNα(n)n時(shí)刻新息向量N1R(n)新息向量α(n)的相關(guān)矩陣NNK(n,n1)xnyn1中誤差相關(guān)矩陣MMK(n)xnyn中誤差相關(guān)矩陣MM基于單步預(yù)測的卡爾曼濾波器的小結(jié)觀測值= y1,y2,?,y(n1)轉(zhuǎn)移矩陣=F(n+1,n)測量矩陣=C(n)過程噪聲的相關(guān)矩陣=Q1(n)
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1