【无人机】基于EKF、UKF、PF、改进PF滤波算法的无人机航迹预测附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

航迹预测方法的有效性。

航迹预测是根据无人机当前的飞行状态、气象信息等对无人机的未来运动状态做出预测。无人机的航迹系统决定了其实际飞行的路线, 是无人机按照规划航迹完成飞行任务的关键。对无人机的航迹进行预测, 意义很大。由于无人机系统输入/输出响应模型是非线性和多参数的, 所以要寻求适当的故障预测方法, 进行故障预测, 为系统维护和实时的指挥辅助决策提供依据。粒子滤波是一种基于贝叶斯原理的序贯蒙特卡罗技术, 最大的优点是不受线性和高斯分布的限制, 所以可用粒子滤波对无人机的状态进行预测。本文将在对无人机航迹进行分析的基础上, 基于改进粒子滤波原理, 通过对航迹敏感的姿态角的预测来间接实现无人机航迹的预测。

⛄ 部分代码

% 产生一个符合gamma分布的噪声

function x = gengamma(alpha, beta)

if (alpha==1)

    x = -log(1-rand(1,1))/beta;

    return

end

flag=0;

if (alpha<1)  

    flag=1;

    alpha=alpha+1;

end

gamma=alpha-1;

eta=sqrt(2.0*alpha-1.0);

c=.5-atan(gamma/eta)/pi;

aux=-.5;

while(aux<0)

    y=-.5;

    while(y<=0)

        u=rand(1,1);

        y = gamma + eta * tan(pi*(u-c)+c-.5);

    end

    v=-log(rand(1,1));

    aux=v+log(1.0+((y-gamma)/eta)^2)+gamma*log(y/gamma)-y+gamma;

end;

if (flag==1) 

    x = y/beta*(rand(1))^(1.0/(alpha-1));

else

    x = y/beta;

end

⛄ 运行结果

⛄ 参考文献

[1]刘志花, 李淑芬, 李宝安. 基于粒子滤波的无人机航迹预测方法研究[J]. 电子测量与仪器学报, 2010, 24(7):7.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除