卡尔曼

gaoxings · 发表于 2020-7-30 13:26

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

卡尔曼

clear clc;
N=600;%采样点的个数
CON=25;%室内温度的理论值
x=zeros(1,N);%用来记录温度的最优化估算值
y=randn(1,N)+CON;%温度计的观测值，其中叠加了噪声
x(1)=20;%为x(k)赋初值
p(1)=2;%x(1)对应的协方差
Q=cov(randn(1,N));%过程噪声的协方差
R=cov(randn(1,N));%测量噪声的协方差
for k=2:N%循环里面是卡尔曼滤波的具体过程
x(k)=x(k-1);
p(k)=p(k-1)+Q;
Kg(k)=p(k)/(p(k)+R);%Kg为Kalman Gain,卡尔曼增益
x(k)=x(k)+Kg(k)*(y(k)-x(k));
p(k)=(1-Kg(k))*p(k);
end  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %这个模块起到平滑滤波作用
Filter_Width=10;%滤波器带宽
Smooth_Result=zeros(1,N);%用来存放滤波后的各个采样点的值
for i=Filter_Width+1:N
Temp_Sum=0;
for j=i-Filter_Width: (i-1)
Temp_Sum=x(j)+Temp_Sum;
end
Smooth_Result(i)=Temp_Sum/Filter_Width;%每一个点的采样值等于这个点之前的filter_width长度的采样点的平均值
end  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
t=1:N;
figure('Name','Kalman Filter Simulation','NumberTitle','off');
expected_Value=zeros(1,N);
for i=1:N
expected_Value(i)=CON;
end
plot(t,expected_Value,'-b',t,y,'-g',t,x,'-k',t,Smooth_Result,'-m');%依次输出理论值，叠加测量噪声的温度计测量值，
legend('expected','measure','estimate','smooth result');          %经过kalman滤波后的最优化估算值，平滑滤波后的输出值
xlabel('sample time');
ylabel('temperature');  title('Kalman Filter Simulation');

lilino · 发表于 2020-7-30 14:24

程序给力！

帐号		自动登录	找回密码
密码			注册

卡尔曼

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1