扩展卡尔曼滤波与粒子滤波例程

原创 已于 2024-07-03 10:37:41 修改 · 498 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法 #人工智能

于 2024-02-18 10:58:32 首次发布
该博客探讨了三维滤波在非线性系统状态和非线性观测下的处理方法，主要利用扩展卡尔曼滤波（EKF）和粒子滤波（PF）进行滤波操作。通过MATLAB程序实现，博客展示了滤波结果的曲线输出及误差对比分析。

三维滤波，非线性系统状态与非线性观测，使用EKF和PF进行滤波，输出滤波值曲线与误差对比。

结果

三轴状态估计：
在这里插入图片描述
三轴状态估计误差曲线：
在这里插入图片描述
放大一点得到下图：

在这里插入图片描述

MATLAB程序

% EKF+PF效果对比
% author:Evand
% 作者联系方式：evandjiang@qq.com（除前期达成一致外，咨询需付费）
% date: 2024-1-10
% Ver
了解本专栏 订阅专栏 解锁全文
永磁同步电机无感FOC（扩展卡尔曼滤波EKF位置观测控制）
qq_28149763的博客
04-11 5791
卡尔曼滤波算法最早于上世纪六十年代由美国学者R.E.Kalman 提出，该算法应用数据融合思想通过确定不同的增益达到对辨识目标的准确估计，以最小方差估计为基本理论的计算方法。与其他无位置传感器算法相比，卡尔曼滤波器可以削弱系统的噪声和测量误差，根据系统的多输入，利用一系列算法进行参数的最优估计。（卡尔曼滤波公式推导请参考“滤波算法整理”第6小节）
基于扩展卡尔曼滤波（EKF）目标轨迹算法仿真实例
Poulen的博客
05-09 1871
摘要：本博文主要介绍扩展卡尔曼滤波算法在目标轨迹跟踪中的应用。首先简单介绍了EKF算法的原理，随后通过具体的雷达仿真案例加深各位伙伴对EKF滤波算法的理解。
卡尔曼滤波与互补滤波：参考程序详解
weixin_42551310的博客
08-19 875
htmltable {th, td {th {pre {简介：在嵌入式系统和自动化控制中，数据融合技术是关键组成部分。本文详细讨论了卡尔曼滤波和互补滤波算法及其在实际中的应用。卡尔曼滤波是处理动态系统和高斯噪声的线性最优估计方法，适用于需要预测和更新系统状态的场合。互补滤波则通过结合不同传感器的优势来提供稳定的测量结果，尤其在自平衡小车的姿态控制中表现出色。文中提供C语言实现的参考程序，旨在帮助学习者理解滤波原理，并将其应用于实际项目中。
无迹（损）卡尔曼滤波（UKF）理论讲解与实例
热门推荐
O_MMMM_O的博客
05-15 3万+
无迹（损）卡尔曼滤波（EKF）理论讲解与实例 文章目录无迹（损）卡尔曼滤波（EKF）理论讲解与实例理论讲解模型对比UT变换UKF算法步骤预测部分更新部分应用实例CTRV模型预测处理产生点云生成增广矩阵生成预测点计算预测的均值和方差更新处理预测量测值计算预测量测值的均值和方差更新状态完整代码参考链接 理论讲解 前两篇博客的卡尔曼滤波和扩展卡尔曼滤波都是都将问题转化为线性高斯模型，所以可以直接解出贝叶斯递推公式中的解析形式，方便运算。但对于非线性问题， 扩展卡尔曼滤波除了计算量大，还有线性误差的影响，有没有别的
卡尔曼（Kalman）滤波（六）--卡尔曼滤波的应用： 四元数卡尔曼滤波（QKF）的C代码实现姿态解算
凌桑的自我修养--You are the Eternity
06-19 2万+
0 引言 在捷联惯导工程实践[6]中，我们希望陀螺仪能够非常精确的获取信息，或者说希望陀螺仪能非常准确的地反映观测量（加速度，磁场等）[6,7]的真实值，但是这个过程或多或少是受到噪声干扰的，导致测量的不准确；为了能够让陀螺仪在状态更新时做到准确，必须对状态变量和观测量进行数据融合和滤波，从而尽最大限度的降低噪声的干扰。 最常用也最有效的方法非卡尔曼滤波莫属，其在处理高斯模型的系统上效果颇
《最优状态估计-卡尔曼，H∞及非线性滤波》：第7章 卡尔曼滤波的扩展
sinat_34897952的博客
05-04 856
《最优状态估计-卡尔曼，H∞及非线性滤波》：第7章 卡尔曼滤波的扩展前言1. MATLAB仿真：示例7.12. MATLAB仿真：示例7.23. MATLAB仿真：示例7.124.小结 前言 《最优状态估计-卡尔曼，H∞及非线性滤波》由国外引进的一本关于状态估计的专业书籍，2006年正式出版，作者是Dan Simon教授，来自克利夫兰州立大学，电气与计算机工程系。主要应用于运动估计与控制，学习本文的过程中需要有一定的专业基础知识打底。 本书共分为四个部分，全面介绍了最优状态估计的理论和方法。第1部分为基础知
《最优状态估计-卡尔曼，H∞及非线性滤波》：第14章 无迹卡尔曼滤波
sinat_34897952的博客
05-12 601
《最优状态估计-卡尔曼，H∞及非线性滤波》：第14章 无迹卡尔曼滤波前言1. MATLAB仿真：示例14.12. MATLAB仿真：示例14.23. MATLAB仿真：示例14.34. 小结 前言 《最优状态估计-卡尔曼，H∞及非线性滤波》由国外引进的一本关于状态估计的专业书籍，2006年正式出版，作者是Dan Simon教授，来自克利夫兰州立大学，电气与计算机工程系。主要应用于运动估计与控制，学习本文的过程中需要有一定的专业基础知识打底。 本书共分为四个部分，全面介绍了最优状态估计的理论和方法。第1部分为
滤波估计理论（四）——无迹卡尔曼滤波（Unscented Kalman Filter）
weixin_43991178的博客
08-01 4319
滤波估计理论（四）——无迹卡尔曼滤波（Unscented Kalman Filter）无迹变换（Unscented Transform） 在EKF中我们使用泰勒级数近似非线性函数是为了利用Gaussian的线性性质进行期望（均值）和方差的传递，但在线性化过程中，由于线性化点的选择和高阶项的舍弃，将不可避免的存在线性化误差。如果我们能找到一种方法直接获得非线性变换之后的期望和方差，就可以避免由线性化...
基于双卡尔曼滤波的SOC与SOH联合估计算法实战
weixin_35307279的博客
10-16 854
荷电状态（State of Charge, SOC）是电池剩余容量与额定容量的比值，数学上可表达为 $ \text{SOC}(t) = \frac{Q_{\text{remaining}}(t)}{Q_{\text{nominal}}} $。它反映电池当前“电量水平”，是能量调度、充放电控制的核心依据。SOC估计不准确将直接导致续航误判、过充或过放风险，严重影响系统安全与寿命。尤其在电动汽车中，±5%的误差可能引发里程焦虑或保护性停机，因此高精度SOC估计具有关键工程意义。
扩展卡尔曼滤波算法的matlab实现与应用
本资源为扩展卡尔曼滤波在目标跟踪应用中的Matlab例程，可以直接运行进行仿真实验。" 扩展卡尔曼滤波（Extended Kalman Filter, EKF）是卡尔曼滤波（Kalman Filter, KF）的一个重要变种，主要用于处理非线性系统的...
C++实现卡尔曼滤波算法入门与示例
- 优化卡尔曼滤波器的方法包括扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波等。 通过这些知识点的梳理，我们可以更好地理解卡尔曼滤波在数据处理中的重要性和应用，同时也能够掌握如何使用C++和MATLAB...
01_树的 dfs 序
最新发布
2403_88695928的博客
12-31 904
本文介绍了算法竞赛中树的DFS序（dfn序）这一重要概念。文章首先讲解了基于先序遍历的dfn序定义及其代码实现，通过深度优先遍历为树节点编号。随后阐述了dfn序的三个关键性质：子树dfn序的连续性、祖先节点编号小于子孙节点、子树编号区间计算公式。文章重点展示了dfn序的两个应用：高效判断节点是否在子树中（时间复杂度从O(nq)优化到O(n+q)），以及将树上问题转化为序列问题以便使用线段树等数据结构处理。最后提供了两道模板题（DFS序1和DFS序2）的完整代码实现，演示了如何利用树状数组和线段树来维护dfn
TDCA 算法在 SSVEP-BCI 中的时间戳技术要求与工程实现
m0_63827302的博客
12-26 641
在基于稳态视觉诱发电位（Steady-State Visual Evoked Potential, SSVEP）的脑机接口（Brain-Computer Interface, BCI）系统中，任务驱动成分分析（Task-Driven Component Analysis, TDCA）作为核心的有监督时空特征学习算法，其性能高度依赖于脑电信号（Electroencephalogram, EEG）与视觉刺激事件的时序一致性 —— 而时间戳正是保障这一一致性的关键技术支撑。
【AI称重算法落地指南】实施步骤、多算法方案与避坑手册
昔时扬尘处
12-27 95
AI称重算法的落地核心是“硬件精准采样+数据高质量标注+轻量化模型适配”，结合STM32G4的算力优势与NanoEdge AI Studio的低代码开发能力，可快速实现100克级精度的称重方案。在算法选型上，静态场景优先DNN（资源占用低、精度高），动态/噪声场景优先CNN（抗干扰强），时序依赖场景优先RNN（快速响应）。实际应用中需重点解决数据分布、噪声干扰、硬件适配三大核心问题，通过样本扩充、软硬件协同优化、现场自学习等手段，确保方案的可靠性与量产适配性。
基于扩展的增量流形学习算法IMM-ISOMAP的方案
aini_lovee的博客
12-30 318
基于 扩展的增量流形学习算法IMM-ISOMAP 的方案，结合 动态邻域更新 和 切空间扩展 策略，解决传统ISOMAP在增量数据和多流形场景下的局限性
csp信奥赛C++标准模板库STL案例应用25
王老师青少年编程
12-30 669
csp信奥赛C++标准模板库STL案例应用25
【2026课题推荐】GNSS拒止环境，协同导航算法与传感器布局的联合设计
985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB
12-27 496
GNSS拒止环境下多智能体协同导航，融合IMU和相对测距的分布式定位算法及传感器布局优化方案。基于EKF框架设计了预测-更新机制，利用Fisher信息矩阵优化锚点配置，并通过MATLAB仿真验证了算法有效性
从工程经验角度分析直流无刷电机FOC控制（四）无感滑膜算法
weixin_41011452的博客
12-31 183
因为d 轴就是“专门被定义成与永磁体磁链对齐的那条轴”，所以只有d轴有ψf​，而q轴是超前d轴90°，和d轴正交，所以q轴的永磁体磁链为0（因为投影在磁链轴上是0）。根据α-β和d-q坐标投影关系。
马尔可夫跳变系统镇定
qq_17032807的博客
12-30 732
本文研究了马尔可夫跳变系统的镇定控制问题。通过构造模态依赖的李雅普诺夫函数，建立了基于LMI的控制器设计方法，解决了系统在随机切换下的稳定性问题。仿真表明，传统方法对不可镇定模态失效，而本文方法利用转移速率信息实现了系统镇定。该方法降低了设计保守性，为处理工业系统中多模态随机切换问题提供了理论保证。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

MATLAB卡尔曼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值