dsp.KalmanFilter
卡尔曼滤波估计系统的测量和状态
描述
的dsp.KalmanFilterSystem object™是一个估计器，用于递归地获得线性最优滤波的解决方案。这种估计是在不了解潜在动态系统的情况下做出的。卡尔曼滤波器实现以下线性离散时间过程的状态，x，在k日时间步：
(状态方程)。这个测量,z，给出如下：
（测量方程）。
卡尔曼滤波器算法计算以下两个步骤递归：
预测:利用前一状态估计工艺参数x(状态)和P(状态误差协方差)。
校正:使用电流测量校正状态和误差协方差。
要过滤输入的每个通道:
创建
dsp.KalmanFilter对象并设置其属性。调用带参数的对象，就好像它是一个功能。
有关系统对象如何工作的更多信息，请参见什么是系统对象？（MATLAB）。
创建
语法
描述
卡尔曼= dsp.KalmanFilter卡尔曼，为参数设置默认值。
卡尔曼= dsp.KalmanFilter (STMatrix,MMatrix,PNCovariance,MNCovariance,CiMatrix公司)卡尔曼。的StateTransitionMatrix属性设置为STMatrix,MeasurementMatrix属性设置为MMatrix,ProcessNoiseCovariance属性设置为PNCovariance,MeasurementNoiseCovariance属性设置为MNCovariance和ControlInputMatrix属性设置为CiMatrix公司。
卡尔曼= dsp.KalmanFilter (名称,值)卡尔曼，并将每个属性设置为指定值。将每个属性名称用单引号括起来。未指定的属性具有默认值。
属性
用法
描述
输入参数
输出参数
对象的功能
要使用对象函数，请指定系统对象作为第一个输入参数。例如，释放一个名为的系统对象的系统资源obj，请使用以下语法:
释放（OBJ）
例子
估计改变标量
请注意：如果您使用R2016a或更早版本，取代每次调用具有同等步语法的对象。例如，物镜（X）变为步骤（OBJ，X）。
为不断变化的标量输入、Kalman过滤器和范围(用于绘图)创建系统对象。
numSamples = 4000;R = 0.02;src = dsp.SignalSource;src.Signal = [酮（NUMSAMPLES / 4,1）; - 3吨*酮（NUMSAMPLES / 4,1）;...4 * 1 (numSamples / 4,1);-0.5 * 1 (numSamples / 4,1)];tScope = dsp.TimeScope (“NumInputPorts”3,'时间跨度'，NUMSAMPLES，...“TimeUnits”,“秒”,“YLimits”，[ - 5 5]，...“ShowLegend”，真正）;%创建时间范围卡尔曼= dsp.KalmanFilter ('ProcessNoiseCovariance'，0.0001，...“MeasurementNoiseCovariance”R...“InitialStateEstimate”5,...“InitialErrorCovarianceEstimate”, 1...'ControlInputPort'，假）;%建立卡尔曼滤波器
在标量上添加噪声，并将结果传递给卡尔曼滤波器。数据流，并绘制滤波信号。
而(~isDone(src)) trueVal = src()噪声val = trueVal + sqrt(R)*randn;estVal =卡尔曼(noisyVal);tScope (noisyVal trueVal estVal);结束
禁用卡尔曼滤波算法的修正步骤
请注意：如果您使用R2016a或更早版本，取代每次调用具有同等步语法的对象。例如，物镜（X）变为步骤（OBJ，X）。
创建信号，卡尔曼滤波器，和时间范围系统对象。
numSamples = 4000;R = 0.02;src = dsp.SignalSource;src。-3*ones(numSamples/4,1); -3*ones(numSamples/4,1);...4 * 1 (numSamples / 4,1); -0.5 * 1 (numSamples / 4,1)];tScope = dsp.TimeScope (“NumInputPorts”3,'时间跨度'，NUMSAMPLES，...“TimeUnits”,“秒”,“YLimits”，[ - 5 5]，...“标题”['真（信道1），噪声的（信道2）和',...“估计（信道3）值”),...“ShowLegend”，真正的）;卡尔曼= dsp.KalmanFilter ('ProcessNoiseCovariance', 0.0001,...“MeasurementNoiseCovariance”R...“InitialStateEstimate”5,...“InitialErrorCovarianceEstimate”, 1...'ControlInputPort'，假）;CTR = 0;
给信号添加噪声。数据流，并绘制滤波信号。
而(~isDone(src)) trueVal = src()噪声val = trueVal + sqrt(R)*randn;estVal =卡尔曼(noisyVal);tScope (trueVal noisyVal estVal);%为中间禁用第二过滤器的校正步骤％三分之一的模拟如果ctr == floor(numSamples/3) kalman。DisableCorrection = true;结束如果CTR ==地板（2 * NUMSAMPLES / 3）= kalman.DisableCorrection假;结束ctr = ctr + 1;结束
使用单个系统对象跟踪多个标量值
请注意：如果您使用R2016a或更早版本，取代每次调用具有同等步语法的对象。例如，物镜（X）变为步骤（OBJ，X）。
创建信号，其中列是要跟踪的两个标量值。还要创建卡尔曼滤波器和时间范围。
numSamples = 4000;R = 0.02;src = dsp.SignalSource;SIG1 = [酮（NUMSAMPLES / 4,1）;-3 *酮（NUMSAMPLES / 4,1）;...4 * 1 (numSamples / 4,1);-0.5 * 1 (numSamples / 4,1)];SIG2 = [-2 *酮（NUMSAMPLES / 4,1）;4 *酮（NUMSAMPLES / 4,1）;...3 * 1 (numSamples / 4,1);1.5 * 1 (numSamples / 4,1)];src。sig1, sig2];tScope1 = dsp.TimeScope (“NumInputPorts”，3，'时间跨度'numSamples,...“TimeUnits”,“秒”,“YLimits”，[ - 5 5]，...“标题”['True(频道1)，noise(频道2)和',...“估计（信道3）值”),...“ShowLegend”，真正的）;tScope2 =克隆（tScope1）;卡尔曼= dsp.KalmanFilter ('ProcessNoiseCovariance'，0.0001，...“MeasurementNoiseCovariance”，R，...“InitialStateEstimate”3,...“InitialErrorCovarianceEstimate”1，...'ControlInputPort'，假）;
给信号添加噪声。数据流，并绘制滤波信号。
而(~isDone(src)) trueVal = src()噪声val = trueVal + sqrt(R)*randn(1,2);estVal =卡尔曼(noisyVal);%绘制第一频道在时间范围内的结果tScope1（trueVal（：，1），noisyVal（：，1），estVal（：，1））;%绘制时间范围上第二通道的结果tScope2（trueVal（：，2），noisyVal（：，2），estVal（：，2））;结束
使用单位步骤来跟踪斜坡信号
请注意：如果您使用R2016a或更早版本，取代每次调用具有同等步语法的对象。例如，物镜（X）变为步骤（OBJ，X）。
使用一个单元作为步骤的控制输入端以跟踪斜坡信号。创建要跟踪的斜坡信号，控制输入，时间范围和卡尔曼滤波。
NUMSAMPLES = 200;R = 100;src = dsp.SignalSource;src.Signal =（1：NUMSAMPLES）';对照= dsp.SignalSource;control.Signal =酮（NUMSAMPLES，1）;tScope = dsp.TimeScope (“NumInputPorts”，3，'时间跨度'numSamples,...“TimeUnits”,“秒”,“YLimits”，[ - 5 205]，...“标题”[' noise (channel 1)， True(channel 2)和',...“估计（信道3）值”),...“ShowLegend”，真正的）;卡尔曼= dsp.KalmanFilter ('ProcessNoiseCovariance'，0.0001，...“MeasurementNoiseCovariance”，R，...“InitialStateEstimate”1，...“InitialErrorCovarianceEstimate”，1）;
给信号添加噪声。过滤器使用卡尔曼滤波的信号。查看使用的时间范围的输出。
而(~isDone(src)) trueVal = src()ctrl =控制();噪声val = trueVal + sqrt(R)*randn;estVal =卡尔曼(noisyVal ctrl);tScope (noisyVal trueVal estVal);结束
算法
对象上描述的算法、输入和输出卡尔曼滤波块引用页面。对象属性对应于块参数。
参考文献
[1]格雷格韦尔奇和Gary毕晓普卡尔曼滤波的介绍，技术报告TR95 041。北卡罗来纳大学教堂山分校:教堂山，北卡罗来纳州, 1995年。
扩展功能
介绍了在R2013b
您还可以选择从下面的列表中的网站：
