1 Star 0 Fork 0

云海/Mat_Learn

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
克隆/下载
ex_kalman_templete.m 2.92 KB
一键复制 编辑 原始数据 按行查看 历史
云海 提交于 2024-09-17 23:39 . 第一次提交
% EKF 参数初始化
dt = 0.1; % 时间间隔
F = [1, dt, 0; 0, 1, dt; 0, 0, 1]; % 状态转移矩阵
H_INS = [1, 0, 0]; % INS 观测矩阵
H_ODOM = [1, 0, 0]; % ODOM 观测矩阵
Q = 0.01 * eye(3); % 过程噪声协方差
R_INS = 0.05; % INS 观测噪声协方差
R_ODOM = 0.1; % ODOM 观测噪声协方差
x = [0; 0; 0]; % 初始状态 [位置; 速度; 加速度]
P = eye(3); % 初始估计误差协方差
% 模拟真实系统和传感器观测
num_steps = 100; % 时间步数
true_state = zeros(3, num_steps); % 真实状态 [位置; 速度; 加速度]
observations_INS = zeros(1, num_steps); % INS 观测值
observations_ODOM = zeros(1, num_steps); % ODOM 观测值
IMU_accel = zeros(1, num_steps); % IMU 加速度
for t = 2:num_steps
% 真实状态更新
true_state(:, t) = F * true_state(:, t-1) + [0; 0; 0.1] * randn; % 加入过程噪声
% 传感器观测更新
observations_INS(t) = H_INS * true_state(:, t) + sqrt(R_INS) * randn; % INS 噪声
observations_ODOM(t) = H_ODOM * true_state(:, t) + sqrt(R_ODOM) * randn; % ODOM 噪声
IMU_accel(t) = true_state(3, t) + sqrt(0.05) * randn; % IMU 加速度噪声
end
% EKF 过程
estimates = zeros(3, num_steps); % 状态估计
for t = 2:num_steps
% ---------- 预测步骤 ----------
% 状态预测
x_pred = F * x;
P_pred = F * P * F' + Q;
% ---------- 更新步骤 (INS) ----------
% INS 传感器的更新
K_INS = P_pred * H_INS' / (H_INS * P_pred * H_INS' + R_INS); % 卡尔曼增益(INS)
x = x_pred + K_INS * (observations_INS(t) - H_INS * x_pred); % 状态更新
P = (eye(3) - K_INS * H_INS) * P_pred; % 误差协方差更新
% ---------- 更新步骤 (ODOM) ----------
% ODOM 传感器的更新
K_ODOM = P_pred * H_ODOM' / (H_ODOM * P_pred * H_ODOM' + R_ODOM); % 卡尔曼增益(ODOM)
x = x + K_ODOM * (observations_ODOM(t) - H_ODOM * x); % 状态更新
P = (eye(3) - K_ODOM * H_ODOM) * P; % 误差协方差更新
% ---------- 使用 IMU 的加速度信息 ----------
% IMU 数据的加速度直接用于状态更新
x(3) = IMU_accel(t); % 直接更新加速度状态
estimates(:, t) = x; % 保存状态估计
end
% 可视化
figure;
subplot(3,1,1);
plot(1:num_steps, true_state(1, :), '-b', 'DisplayName', '真实位置');
hold on;
plot(1:num_steps, estimates(1, :), '-r', 'DisplayName', '估计位置');
legend;
xlabel('时间步');
ylabel('位置');
subplot(3,1,2);
plot(1:num_steps, true_state(2, :), '-b', 'DisplayName', '真实速度');
hold on;
plot(1:num_steps, estimates(2, :), '-r', 'DisplayName', '估计速度');
legend;
xlabel('时间步');
ylabel('速度');
subplot(3,1,3);
plot(1:num_steps, true_state(3, :), '-b', 'DisplayName', '真实加速度');
hold on;
plot(1:num_steps, estimates(3, :), '-r', 'DisplayName', '估计加速度');
legend;
xlabel('时间步');
ylabel('加速度');
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/LuIrara/Mat_Learn.git
git@gitee.com:LuIrara/Mat_Learn.git
LuIrara
Mat_Learn
Mat_Learn
main

搜索帮助