卡尓曼滤波器matlab程序（Lovell Manchester card filter matlab procedures）.docVIP

卡尓曼滤波器matlab程序（Lovell Manchester card filter matlab procedures） % kalmanf -更新系统状态向量的估计基于 %观察，使用离散卡尔曼滤波器。 % %版本1，2004年6月30日 % %本教程功能是Michael C. Kleder写的 % %的介绍 % 有很多人听说过卡尔曼滤波，但是考虑到这个话题。 %神秘。虽然推导卡尔曼滤波器和 %在数学上证明它是各种各样的“最优”。 %的情况可能相当激烈，应用过滤器 基本的线性系统实际上非常简单。这个matlab文件是 %意在证明。 % %介绍级卡尔曼滤波的优秀论文， %没有详细的数学基础，是： %“卡尔曼滤波器介绍” % Greg Welch和加里主教，北卡罗来那大学 %的HTTP：/ / www.cs。UNC。教育/韦尔奇/卡尔曼/ kalmanintro.html ~ % %的目的： % %卡尔曼滤波器每一次迭代的目的是更新。 %系统的状态向量的估计（和协方差） 基于新观测信息的向量%）。 在这个函数中的卡尔曼滤波器的版本假定 %观测在固定的离散时间间隔内发生。同时，这 %函数假设一个线性系统，即时间演化。 状态向量的%可以通过状态转换来计算。 %矩阵。 % %的使用： % %s = kalmanf（S） % % s是一个“系统”结构，包含用作输入的各个字段。 %和输出。状态估计“x”和它的协方差“p”是 %由函数更新。其他领域描述了力学。 %的系统，并保持不变。通话程序可能会改变。 如果状态动力学是时间依赖的，则需要这些其他字段； %否则，在初始值设置后，它们应该被单独放置。 %的例外是观察矢量“Z”和输入控制 %（或强制函数）“如果有输入函数”，那么 % u应该被调用例程设置为非零值。 % %系统动力学： % 系统根据以下差分方程演化， 在下面进一步定义数量的%： % 表示状态向量x在一段时间内演化。 %由premultiplying由“国家过渡的步骤 一个输入可选（如果非零）。 %向量u对线性状态的影响，这 %对状态的线性效应用 % premultiplying由“输入矩阵B也有 高斯过程噪声w。 % z = HX +动词意义的观测向量Z是一个线性函数 %的状态向量，这种线性关系是 为代表的“预乘的观察 “%矩阵”H也有高斯测量。 %噪声V. 其中w（n，0，q）表示w是带协方差q的高斯噪声。 v（n，0，r）表示v是带r r的高斯噪声。 % %向量变量： % % s.x =状态向量估计。在输入结构中，这是 %“先验”状态估计（在加法之前） %来自新观察的信息）。在输出结构中， 这是“后验”状态估计值。 %测量信息包括在内）。 %深圳=观测向量 %也=输入矢量控制，可选（默认为零）。 % %矩阵变量： % %s =状态转换矩阵（默认为标识）。 状态向量估计的协方差。在输入结构中， 这是“先验的”，在输出中它是“后验”。 %（除非autoinitializing如下要求）。 %s =输入矩阵，可选（默认为零）。 过程噪声协方差（默认为零）。 测量噪声协方差（要求）。 %s =观察矩阵（默认为标识）。 % %正常操作： % %（1）定义所有状态定义字段：a、b、h、q、r %（2）定义初始状态估计：X，P %（3）获得观测和控制向量：z，u %（4）调用筛选器以获得更新状态估计：x，p %（5）返回步骤（3）并重复 % %初始化： % %如果初始状态估计不可用，可以获得 %从第一个观察如下，只要有 %可见变量作为状态变量。这个“汽车”— % intitialization”如果s.x缺席或南自动完成。 % 为x = inv（H）* Z % P = inv（H）* R * inv（H） % %在数学上相当于设置初始状态估计。 协方差到无穷大。 % %的标量的例子（汽车voltimeter）： % %将系统定义为12伏特的常数： 清晰的 % s.x = 12； %s = 1； %定义过程噪声（标准偏差）2伏特车操作： %s = q = 2×2；%方差， 因此，2的^ %定义voltimeter测量电压本身： %s = h＝1； %定义测量误差（标准偏差）2伏： %s r = 2 ^ 2；%的方差，因此^ 2 % %不定义任何系统输入（控制）函数： %s = 0； %也= 0； % %不指定初始状态： % s.x =南； %s =南； %生成随机电压，并观看滤波操作。 % TRU = []；%真实电压 为T = 1:20 % TRU（完+ 1 * 2 + 12）= randn； %s（结束）。Z = TRU（结束）+ randn×2；%建立一个测量 %s（完结+ 1）= kalmanf（S（结束））；%进行Kalman滤