现代信号处理Matlab仿真——例611-精.docVIP

下载本文档

1
0
约1.11千字
约 5页
2017-01-13 发布于北京
举报
版权申诉

现代信号处理Matlab仿真——例611-精.doc

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

例6.11 利用卡尔曼滤波估计一个未知常数题目：设已知一个未知常数x的噪声观测集合，已知噪声v(n)的均值为零，方差为，v(n)与x不相关，试用卡尔曼滤波估计该常数题目分析：回忆Kalman递推估计公式由于已知x为一常数，即不随时间n变化，因此可以得到：状态方程：观测方程：得到A(n)=1,C(n)=1, , 将A(n)=1,代入迭代公式得到P(n|n-1)=P(n-1|n-1) 用P(n-1)来表示P(n|n-1)和P(n-1|n-1),这是卡尔曼增益表达式变为从而利用递归的方法 ... 得到一般的P(n) 将上式代入卡尔曼增益K(n)计算式得：最后得到离散卡尔曼滤波器计算式： Matlab实现 clear N=200; %w(n)=0 A=1; x(1)=50;%initial state for k=2:N; x(k)=A*x(k-1); end V=randn(1,N); rv_sd=std(V); Rvv=rv_sd.^2; %Rxx no use,Rww is 0 C=1; Y=C*x+V; %Kalman filter to estimate p(1)=10;%initial MSE value s(1)=100;%initial estimated value for t=2:N; p(t)=p(1).*Rvv/(t*p(1)+Rvv); k(t)=p(1)/(t*p(1)+Rvv); s(t)=A*s(t-1)+k(t)*(Y(t)-A*C*s(t-1)); end t=1:N; figure(1) plot(t,k); title(Kalman Gain); figure(2) plot(t,s,r,t,Y,g,t,x,b); legend(estimated,measured,state); figure(3) plot(t,p); title(Mean Square of Error); 仿真结果