扩展卡尔曼滤波,粒子滤波,去偏卡尔曼滤波和循环增益尔曼滤波的源程序 - matlab算法设计 - 谷速源码
下载频道> 资源分类> matlab源码> 算法设计> 扩展卡尔曼滤波,粒子滤波,去偏卡尔曼滤波和循环增益尔曼滤波的源程序

标题:扩展卡尔曼滤波,粒子滤波,去偏卡尔曼滤波和循环增益尔曼滤波的源程序
分享到:

所属分类: 算法设计 资源类型:程序源码 文件大小: 40.94 KB 上传时间: 2019-06-16 22:08:03 下载次数: 89 资源积分:1分 提 供 者: zhangsan456 code
内容:
使用matlab_GUI编写,包括:扩展卡尔曼滤波,粒子滤波,去偏卡尔曼滤波和循环增益尔曼滤波的源程序,根据初始预测计算滤波值 再通过输入观测值进行卡尔曼滤波的仿真GUI界面程序
clc;
clear;
N1=100;
thita=1*pi/4;
speed=20;
T=2.5;
point_Q2=[400 0;0 1*pi^2/180^2];
r=1000;
r_thita=1/3*pi;
%Q1=[0.36 0;0 0];     %添加机动情形
%Q1=[0 0;0 0];        %不添加机动
l=[1/2*T^2 0;T 0;0 1/2*T^2;0 T];
N=200;
_init_state=[r*cos(r_thita) speed*cos(thita) r*sin(r_thita) speed*sin(thita)];    
for i=1:N1
    [real_data,view_data,real_v,point_view_data,Q1]=new_data_get( _init_state,N,T,l);                   
    %前条件:目标的初始状态,目标跟踪次数已知
    %后条件:得到目标的观测矩阵,目标的真实值矩阵,真实速度
    [filter_data,k1,k2]=data_kalman_filter(view_data,point_view_data,N, _init_state,Q1,point_Q2,T,l);
    %前条件:目标的观测矩阵已知
    %后条件:得到目标的滤波矩阵和目标的各次增益
    filt_k1(i,:,:)=k1;
    filt_k2(i,:,:)=k2;
    [ME_temp_view_err_x(i,1:N),ME_temp_filter_err_x(i,1:N),ME_temp_view_err_y(i,1:N),ME_temp_filter_err_y(i,1:N)]=temp_err_save(real_data,...
    filter_data,view_data);
    %前条件:目标的真实值矩阵,目标的滤波矩阵,目标的观测矩阵已知
    %后条件:本次目标的观测误差,滤波误差得到存储
end
[final_filt_k1,final_filt_k2]=filt_count(filt_k1,filt_k2,N1);
%前条件:得到增益的三维矩阵
%后条件:求出平均增益
[ME_final_view_err_x,ME_final_filter_err_x,ME_final_view_err_y,ME_final_filter_err_y]=ME_err_count(ME_temp_view_err_x,ME_temp_filter_err_x,...
ME_temp_view_err_y,ME_temp_filter_err_y);
%前条件:目标的观测误差矩阵,目标的滤波误差矩阵已知
%后条件:得到目标的平均观测误差矩阵,平均滤波误差矩阵
[RMSE_final_view_err_x,RMSE_final_filter_err_x,RMSE_final_view_err_y,RMSE_final_filter_err_y]=RMSE_err_count(ME_temp_view_err_x,...
ME_temp_filter_err_x,ME_temp_view_err_y,ME_temp_filter_err_y,ME_final_view_err_x,ME_final_filter_err_x,ME_final_view_err_y,ME_final_filter_err_y);
%后条件:得到目标的均方观测误差矩阵,均方滤波误差矩阵
%show(ME_final_view_err_x,ME_final_filter_err_x,ME_final_view_err_y,ME_final_filter_err_y,final_filt_k1,final_filt_k2,N,real_data,view_data,filter_data,real_v);
show(ME_final_view_err_x,ME_final_filter_err_x,ME_final_view_err_y,ME_final_filter_err_y,RMSE_final_view_err_x,RMSE_final_filter_err_x,...
RMSE_final_view_err_y,RMSE_final_filter_err_y,final_filt_k1,final_filt_k2,N,real_data,view_data,filter_data,real_v);
%前条件:目标的平均观测误差矩阵,平均滤波误差矩阵已知
%后条件:作出目标的平均观测误差矩阵,平均滤波误差矩阵的仿真图

文件列表(点击上边下载按钮,如果是垃圾文件请在下面评价差评或者投诉):

去偏卡尔曼滤波/
循环增益卡尔曼滤波/
扩展卡尔曼滤波/
粒子滤波/
去偏卡尔曼滤波/ME_err_count.m
去偏卡尔曼滤波/RMSE_err_count.m
去偏卡尔曼滤波/data_kalman_filter.m
去偏卡尔曼滤波/err_count.m
去偏卡尔曼滤波/filt_count.m
去偏卡尔曼滤波/kalman_filter.asv
去偏卡尔曼滤波/kalman_filter.m
去偏卡尔曼滤波/kalman_simulation.asv
去偏卡尔曼滤波/kalman_simulation.m
去偏卡尔曼滤波/new_data_get.m
去偏卡尔曼滤波/new_err_count.m
去偏卡尔曼滤波/no_noise.m
去偏卡尔曼滤波/noise.m
去偏卡尔曼滤波/power_noise.m
去偏卡尔曼滤波/show.m
去偏卡尔曼滤波/temp_err_save.m
去偏卡尔曼滤波/zuobiao_transform.m
循环增益卡尔曼滤波/ME_err_count.m
循环增益卡尔曼滤波/RMSE_err_count.m
循环增益卡尔曼滤波/Untitled.m
循环增益卡尔曼滤波/constant_gain_filter.asv
循环增益卡尔曼滤波/constant_gain_filter.m
循环增益卡尔曼滤波/data_kalman_filter.asv
循环增益卡尔曼滤波/data_kalman_filter.m
循环增益卡尔曼滤波/err_count.m
循环增益卡尔曼滤波/filt_count.m
循环增益卡尔曼滤波/get_d.m
循环增益卡尔曼滤波/kalman_filter.asv
循环增益卡尔曼滤波/kalman_filter.m
循环增益卡尔曼滤波/kalman_simulation.asv
循环增益卡尔曼滤波/kalman_simulation.m
循环增益卡尔曼滤波/new_data_get.m
循环增益卡尔曼滤波/new_err_count.m
循环增益卡尔曼滤波/no_noise.m
循环增益卡尔曼滤波/noise.m
循环增益卡尔曼滤波/power_noise.m
循环增益卡尔曼滤波/show.asv
循环增益卡尔曼滤波/show.m
循环增益卡尔曼滤波/temp_err_save.m
循环增益卡尔曼滤波/zuobiao_transform.m
扩展卡尔曼滤波/ME_err_count.m
扩展卡尔曼滤波/RMSE_err_count.m
扩展卡尔曼滤波/data.m
扩展卡尔曼滤波/data_kalman_filter.asv
扩展卡尔曼滤波/data_kalman_filter.m
扩展卡尔曼滤波/err_count.m
扩展卡尔曼滤波/extend_kalman_filter.asv
扩展卡尔曼滤波/extend_kalman_filter.m
扩展卡尔曼滤波/filt_count.m
扩展卡尔曼滤波/kalman_filter.asv
扩展卡尔曼滤波/kalman_simulation.asv
扩展卡尔曼滤波/kalman_simulation.m
扩展卡尔曼滤波/new_data_get.m
扩展卡尔曼滤波/new_err_count.m
扩展卡尔曼滤波/no_noise.m
扩展卡尔曼滤波/noise.m
扩展卡尔曼滤波/power_noise.m
扩展卡尔曼滤波/show.m
扩展卡尔曼滤波/temp_err_save.m
扩展卡尔曼滤波/zuobiao_transform.m
粒子滤波/ME_err_count.m
粒子滤波/RMSE_err_count.m
粒子滤波/err_count.m
粒子滤波/extend_kalman_filter.m
粒子滤波/filt_count.m
粒子滤波/kalman_simulation.m
粒子滤波/new_data_get.m
粒子滤波/new_err_count.m
粒子滤波/no_noise.m
粒子滤波/noise.m
粒子滤波/particle_filter.asv
粒子滤波/particle_filter.m
粒子滤波/power_noise.m
粒子滤波/show.m
粒子滤波/temp_err_save.m
粒子滤波/zuobiao_transform.m

关键词: 扩展卡尔曼滤波 粒子滤波

Top_arrow
回到顶部
联系方式| 版权声明| 招聘信息| 广告服务| 银行汇款| 法律顾问| 兼职技术| 付款方式| 关于我们|
网站客服网站客服 程序员兼职招聘 程序员兼职招聘
沪ICP备19040327号-3
公安备案号:沪公网安备 31011802003874号
库纳格流体控制系统(上海)有限公司 版权所有
Copyright © 1999-2014, GUSUCODE.COM, All Rights Reserved