这个方案实现了以下卡尔曼滤波器:
1)标准卡尔曼滤波器
2)扩展的卡尔曼滤波器
3)双重卡尔曼滤波器
4)平方根卡尔曼滤波器
这个包还包含指导每个过滤器类型展示他们的实际应用例子。
在所有4例,KF函数接受作为输入噪声样本的多维系统和生产的KF估计真正基于时变过程/系统状态噪声协方差中固有噪声样本。
Exponentially-weighted(或未加权的)移动平均线是用来估计协方差时变系统的噪声测量。
标准卡尔曼滤波器是最基本的KF的实现。它假定一个模型,噪声测量包含真正的系统状态加白噪声。
扩展卡尔曼滤波器是一种泛化的标准卡尔曼滤波器,允许用户指定一个非线性系统模型,然后迭代算法执行过程中线性化。
双卡尔曼滤波器同时解决了两个标准卡尔曼滤波器的问题:
1)符合一个自回归模型的数据和应用更新AR模型的卡尔曼滤波器
2)应用AR模型在每个迭代中执行标准KF更新
平方根卡尔曼过滤器是一种更健壮的和数值稳定的执行标准/双卡尔曼滤波方法,尤其是当坏心肠的或几乎不感兴趣的协方差矩阵正定。平方根卡尔曼滤波的思想是传播过程误差协方差平方根形式P P = U D U ',和D是迭代更新和P是没有明确计算。这样做可以保证P是正定,从而增加的数值稳定KF。
引用作为
布莱恩摩尔(2023)。卡尔曼滤波方案(//www.tianjin-qmedu.com/matlabcentral/fileexchange/38302-kalman-filter-package), MATLAB中央文件交换。检索。
卡尔曼滤波器包/
卡尔曼滤波器/包/协方差估计方法
卡尔曼滤波器/包/例子
卡尔曼滤波器/包/线性代数方法
马卡尔曼滤波方案/方法/
卡尔曼滤波器/包/平方根滤波方法
| 版本 | 发表 | 发布说明 | |
|---|---|---|---|
| 1.0.0.0 |
