原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
实验二卡尔曼过滤信号提取方法-read
数字信号处理(II)
实验二
卡尔曼过滤信号提取方法
班级：硕0711班
姓名：张 利 平
学号：0708100510
实验二 卡尔曼过滤信号提取方法
一．实验目的
利用计算机软件实现随机信号的卡尔曼滤波。
考察影响卡尔曼滤波性能的各种因素。
观察卡尔曼滤波方法与维纳滤波方法的优缺点。
二．实验原理与方法
我们已经知道，维纳滤波是一种总体的估计方法，它是根据全部过去的观察数据来估计信号的当前值。在最小均方误差准则下，它的解是以系统传递函数或者系统单位脉冲响应的形式给出的。对于每一个新的观察数据，维纳滤波方法都需要重新计算所有自相关函数和互相关函数，进而得到新的维纳滤波器，这在实际应用中是非常不方便的。
卡尔曼滤波是一种递推估计方法，它也是基于最小均方误差准则，但它不需要全部过去的观察数据，只是根据前一个状态方程和递推方法进行估计的，它的解是以状态变量估计的形式给出的，在稳态情况下，卡尔曼滤波的结果与维纳滤波的结果相同。因此，卡尔曼滤波方法在许多领域得到广泛的应用。
假设我们已知动态系统的状态方程和量测方程：
（2--1）
（2--2）
其中和为已知的系统参数，为动态系统的确定性激励，和是均值为零、方差分别为和的高斯白噪声，和是相互独立的，问题是如何从观察数据来估计。
利用最小均方误差准则，我们可以得到一组卡尔曼滤波的递推公式：
（2--3）
（2--4）
（2--5）
（2--6）
其中 （2--7）
（2--8）
T表示转置运算，I为单位矩阵。如果我们已知初始状态的统计特性，则可选择上述递推公式的初始值为 （2--9）
（2--10）
因此，当我们已知，利用前一个的估值与当前值，就可以得到在最小均方误差准则下的最佳估值。
本实验的第一部分，我们对上次实验信号进行卡尔曼过滤：
（2--11）
（2--12）
和的方差分别为： （2--13）
（2--14）
初始值服从下面高斯分布： （2--15）
利用上述信号模型，我们来考察卡尔曼滤波和维纳滤波方法的异同，观察和的改变对卡尔曼滤波性能的影响，看其与理论分析结果是否一致。
实验的第二部分，我们考察下述信号的卡尔曼滤波：
（2--16）
（2--17）
其中 （2--18）
（2--19）
（2--20）
（2--21）
为周期性序列，在第一周期内定义为
（2--22）
三．实验内容及步骤
1.仔细阅读卡尔曼滤波的有关原理，根据图2.1给出的框图编制卡尔曼滤波的通用程序。
答：卡尔曼滤波的通用程序见附录一。
2.运行卡尔曼滤波程序，根据式（2--9）~（2--15）输入参量，，选择L=100，观察并记录实验结果，分析：
(1).卡尔曼滤波的效果。
答：卡尔曼滤波的效果明显, 达到稳态后效果最佳.
(2).卡尔曼滤波的收敛情况（根据曲线）。
答：根据试验所得的图可知卡尔曼过滤有一个过渡的过程，达到稳态后与维纳滤波相同的结果,而且达到最佳效果，曲线的相似程度很好，几乎完全重合。
(3).与上次实验的理想维纳滤波结果相比，卡尔曼滤波性能如何？
答：卡尔曼过滤在稳态下与维纳过滤有相同的结果,这是由于它们都是以最小均方误差为准则的线性估计器。
运行程序结果如下：
3.改变，其它输入同步骤2，观察并记录的大小对滤波性能的影响，
文档评论（0）