做网站的价格 外贸,wordpress主题 二次元,展示型商城订单网站建设,整套vi设计包含哪些文章目录 自适应Q的KF逐行注释的说明运行结果部分代码各模块解释 自适应Q的KF
自适应无迹卡尔曼滤波#xff08;Adaptive Unscented Kalman Filter#xff0c;AUKF#xff09;是一种用于状态估计的滤波算法。它是基于无迹卡尔曼滤波#xff08;Unscented Kalman FilterAdaptive Unscented Kalman FilterAUKF是一种用于状态估计的滤波算法。它是基于无迹卡尔曼滤波Unscented Kalman FilterUKF的改进算法。
自适应 Q 和 R Q和R Q和R的无迹卡尔曼滤波在无迹卡尔曼滤波的基础上引入了自适应的思想。通过动态地、同时调整状态转移协方差、观测噪声协方差的大小从而提高系统的估计精度。
自适应无迹卡尔曼滤波适用于非线性和非高斯的系统状态估计问题可以广泛应用于机器人导航、目标跟踪、航天器导航等领域。它通过动态地调整无迹点的数量和分布能够更好地适应系统的动态特性提高估计精度同时具有较低的计算复杂度。
逐行注释的说明
每一行都标有中文注释
是我自己一个字一个字打的如果有错别字等问题欢迎指正。
运行结果 三轴的估计值、真值、滤波前的值对比 三轴的误差值对比 三轴的误差累积密度函数绘图 上图放大可得到如下细节
部分代码
% 自适应调节Q和R的UKF与传统UKF效果对比
% author:Evand
% 作者联系方式微信matlabfilter除前期达成一致外付费咨询
% 2024-5-5/Ver1
% 2024-9-9/Ver2/添加逐行注释clear;clc;close all; %清空工作区、命令行关闭小窗口
rng(0); %固定随机种子
%% 滤波模型初始化
t 1:1:1000;% 定义时间序列Q 1*diag([1,1,1]);wsqrt(Q)*randn(size(Q,1),length(t));% 设置过程噪声协方差矩阵和过程噪声
R 1*diag([1,1,1]);vsqrt(R)*randn(size(R,1),length(t));% 设置观测噪声协方差矩阵和观测噪声
P0 1*eye(3);% 初始状态估计协方差矩阵
Xzeros(3,length(t));% 初始化状态向量
Zzeros(3,length(t)); %定义观测值形式
Z(:,1)[X(1,1)^2/20;X(2,1);X(3,1)]v(:,1); %观测量
residue_tag 0; %自适应标签
%% 运动模型
% 初始化未滤波的状态向量
fprintf(完整代码下载链接https://gf.bilibili.com/item/detail/1105566012);
X_ zeros(3,length(t)); %给未滤波的值分配空间
各模块解释
程序共有下列几个模块
其中包括如下部分
初始化初始化参数运动模型通过迭代的方式计算系统在所有时刻下的真值和未滤波的值UKF经典的无迹卡尔曼滤波AUKF经过自适应的UKF绘图绘制曲线图和CDF图像总误差输出fprintf的输出示例 【现在输出的是平均值如下】 将代码里面的mean换成max即为最大值换成std即为计算标准差
