資源簡介
非常好用的多模式卡爾曼濾波算法 對于初學多模式和卡爾曼相結(jié)合的人來說是很有幫助的
代碼片段和文件信息
function?XE=currentmodel(TFlagNzxzyd)?
%?Kalman_filter?????????????采用Kalman濾波方法,從觀測數(shù)值中得到航跡的估計?
%?T????????????????????????采樣時間,即雷達工作周期?
%?N???????????????????????采樣點數(shù)。?
%?zxzy????????????????????觀測數(shù)據(jù)?
%?d?????????????????????????噪聲的標準差值?
%?Flag??????????????????????判斷計算x軸或y軸數(shù)據(jù)‘0‘--x‘1‘--y?
if?nargin>6?
????error(‘輸入的變量過多,請檢查‘);?
end?
?
?
?
?
?
randn(‘state‘sum(100*clock));?%?設置隨機數(shù)發(fā)生器?
Xest=zeros(31);?%?用前k-1時刻的輸出值估計k時刻的預測值?
Xfli=zeros(31);?%?k時刻Kalman濾波器的輸出值?
Xes=zeros(31);?%?預測輸出誤差?
Xef=zeros(31);?%?濾波后輸出的誤差?
Pxe=zeros(31);?%?預測輸出誤差均方差矩陣??
Px=zeros(31);??%?濾波輸出誤差均方差矩陣?
XE=zeros(1N);?%?得到最終的濾波輸出值,僅僅考慮距離分量?
%###################################################?
?
?%###################################################????
??
%?$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$?
%?定義系統(tǒng)的狀態(tài)方程及初始化?
a=1/20;am2=-100;am1=100;Pv1=4;%am2為最小加速度am1為最大加速度.?
P1=(-1+a*T+exp(-a*T))/(a*a);?
P2=(1-exp(-a*T))/a;?
P3=exp(-a*T);?
Fk=[1?T?P1;0?1?P2;0
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????3956??2009-08-28?13:07??IMMKF\current.m
?????文件???????1571??2009-08-28?13:08??IMMKF\filter_result.m
?????文件???????2574??2009-08-28?13:09??IMMKF\kf.m
?????文件???????4788??2009-08-28?13:09??IMMKF\real_track.m
?????目錄??????????0??2009-08-28?13:09??IMMKF
-----------?---------??----------?-----??----
????????????????12889????????????????????5
評論
共有 條評論