基于Matlab的卡尔曼滤波算法仿真_第1页
基于Matlab的卡尔曼滤波算法仿真_第2页
基于Matlab的卡尔曼滤波算法仿真_第3页
基于Matlab的卡尔曼滤波算法仿真_第4页
基于Matlab的卡尔曼滤波算法仿真_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

PAGE基于Matlab的卡尔曼滤波算法仿真卡尔曼滤波器原理卡尔曼滤波是解决以均方误差最小为准则的最佳线性滤波问题，它根据前一个估计值和最近一个观察数据来估计信号的当前值。它是用状态方程和递推方法进行估计的，而它的解是以估计值（常常是状态变量的估计值）的形式给出其信号模型是从状态方程和量测方程得到的。

卡尔曼滤波中信号和噪声是用状态方程和测量方程来表示的。因此设计卡尔曼滤波器要求已知状态方程和测量方程。它不需要知道全部过去的数据，采用递推的方法计算，它既可以用于平稳和不平稳的随机过程，同时也可以应用解决非时变和时变系统，因而它比维纳过滤有更广泛的应用。卡尔曼几个重要公式：ŝ(n|n)=aŝ(n-1|n-1)+Gn[x(n)–acŝ(n-1|n-1)](1)P(n)=a2ξ(n-1)+Q(2)Gn=cP(n)R+ξ(n)=RcGn=(1–这组方程的递推计算过程如图1所示。图1.卡尔曼滤波器递推运算流程图卡尔曼滤波过程实际上是获取维纳解的递推运算过程，这一过程从某个初始状态启动，经过迭代运算，最终到达稳定状态，即维纳滤波状态。递推计算按图1所示进行。假设已经有了初始值ŝ(0|0)和ξ（0），这样便可由式（2）计算P(1)，由式（3）计算G1，由式（4）计算ξ（1），由式（1）计算ŝ(1|1)。ξ（1）和ŝ(1|1)便成为下一轮迭代运算的已知数据。在递推运算过程中，随着迭代次数n的增加，ξ（n）将逐渐下降，知道最终趋近于某个稳定值ξ0。这时ξ（n）=ξ（n-1）=ξ0为求得这个稳定值，将式（3）和式（2）代入式（4），得到ξ02+1-解此方程即可求出ξ0。基于Matlab的卡尔曼滤波器的仿真Matlab代码如下：clearN=200;w(1)=0;x(1)=5;a=1;c=1;%过程噪声Q1=randn(1,N)*1;%测量噪声Q2=randn(1,N);%状态矩阵fork=2:N;x(k)=a*x(k-1)+Q1(k-1);endfork=1:N;Y(k)=c*x(k)+Q2(k);endp(1)=10;s(1)=1;fort=2:N;Rww=cov(Q1(1:t));Rvv=cov(Q2(1:t));p1(t)=a.^

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论