【滤波跟踪】基于分布式卡尔曼滤波DEKF和拓展卡尔曼滤波EKF实现目标滤波跟踪附Matlab代码6

 ✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab代码及仿真咨询内容点击👇

x_k = f(x_{k-1}, u_{k-1}, w_{k-1}) (状态方程)
z_k = h(x_k, v_k) (观测方程) 

其中,𝑥𝑘xk是k时刻的状态向量,𝑢𝑘uk是控制输入,𝑧𝑘zk是观测向量,𝑤𝑘wk和𝑣𝑘vk分别是过程噪声和观测噪声,服从均值为0的高斯分布,其协方差矩阵分别为Q和R。 f(·)和h(·)分别是状态转移函数和观测函数,它们通常是非线性的。

EKF的核心思想是将非线性函数f(·)和h(·)在当前状态估计值附近进行一阶泰勒展开,从而实现线性化。

2.2 EKF的算法流程

EKF的算法流程主要包括预测和更新两个步骤:

2.3 EKF的优缺点

EKF的优点在于实现简单,易于理解和应用,能够有效地处理一些非线性度较弱的系统。

EKF的缺点也较为明显:

  • 线性化误差: EKF通过泰勒展开进行线性化,忽略了高阶项,当非线性度较强时,线性化误差会显著增大,导致滤波精度下降,甚至发散。

  • 雅可比矩阵计算复杂: 计算雅可比矩阵需要对非线性函数进行偏导数运算,当函数形式复杂时,计算难度较大。

  • 对初值敏感: EKF的性能对初值比较敏感,如果初值选择不当,可能会导致滤波发散。

3. 分布式拓展卡尔曼滤波(DEKF)

3.1 DEKF的理论基础

DEKF旨在解决大规模传感器网络环境下的非线性状态估计问题。 它将整个系统划分为多个局部节点,每个节点配备传感器,负责采集局部观测数据并进行局部状态估计。 节点之间通过通信网络进行信息交换,从而实现全局状态的协同估计。

DEKF的关键在于信息融合策略,常用的融合策略包括:

  • 协方差交叉(CI): CI是一种保守的融合策略,能够保证融合结果的稳定性,避免滤波发散,但融合精度相对较低。

  • 信息滤波器融合(IF): IF是一种加权平均的融合策略,能够实现最优的融合精度,但需要进行复杂的矩阵求逆运算。

  • 加权平均融合(WAF): WAF是一种简单有效的融合策略,通过对各个节点的局部估计进行加权平均,实现全局状态的估计。

3.2 DEKF的算法流程

DEKF的算法流程可以概括为以下几个步骤:

  1. 局部预测: 每个节点根据自身的状态方程和控制输入,预测下一时刻的状态和协方差。

  2. 局部更新: 每个节点根据自身的观测数据,利用EKF进行局部状态更新。

  3. 信息交换: 各个节点之间通过通信网络交换局部状态估计和协方差信息。

  4. 信息融合: 每个节点根据接收到的其他节点的信息,利用某种融合策略对局部估计进行融合,得到全局状态的估计。

  5. 状态更新: 每个节点利用融合后的全局状态估计更新自身的状态估计和协方差。

需要注意的是,不同的DEKF算法在信息交换和融合策略上有所不同,例如平均一致性DEKF,通过多次迭代交换和平均,使各个节点的状态估计趋于一致。

3.3 DEKF的优缺点

DEKF的优点在于:

  • 计算效率高: DEKF将计算任务分配到多个节点上并行执行,能够有效地降低计算复杂度,提高计算效率。

  • 鲁棒性强: DEKF采用分布式架构,即使部分节点发生故障,其他节点仍然可以正常工作,保证系统的鲁棒性。

  • 通信带宽占用少: DEKF只需要交换局部估计信息,不需要传输原始观测数据,能够节省通信带宽。

DEKF的缺点在于:

  • 信息融合策略复杂: 选择合适的融合策略需要考虑系统的特点和性能需求。

  • 通信依赖性: DEKF的性能受到通信网络的影响,例如通信延迟、丢包等。

  • 一致性问题: 需要保证各个节点的状态估计能够最终收敛到一致的状态。

📣 部分代码

----------------------------------------------------------------%% Plots%-------------------------------------------------------------------------%% Position and size of figurex_fig = 350;y_fig = 300;w_fig = 900;h_fig = 500;hFig = figure;set(hFig, 'Position', [x_fig y_fig w_fig h_fig])k = 3450;% Plot core/surface temperaturehaxis(1)    = subplot(6,10,[1:4 11:14]);hold on;xlim([0 3500])ylim([5 30])hylab = ylabel('T / ^\circC');set(hylab,'Position',(get(hylab,'Position') + [+135 0 0]))set(gca, 'xticklabel', [])hplot(1)    = plot(RAW.TEMP.t,  RAW.TEMP.T_core ,       'k-');hplot(2)    = plot(RAW.TEMP.t,  RAW.TEMP.T_surf ,       'k--');hplot(3)    = plot(INTERP.t,   RESULTS.DEKF.T_core,    'b-');hplot(4)    = plot(INTERP.t,   RESULTS.DEKF.T_surf,    'b--');hplot(5)    = plot([k k],       [0 100],                'r-','linewidth',0.5);% Plot convection coefficienthaxis(2)    = subplot(6,10,21:24);hold on;xlim([0 3500])ylim([20 100])      hylab = ylabel('h / Wm^-^2k^-^1');set(hylab,'Position',(get(hylab,'Position') + [35 0 0]))

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献,若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🌿 往期回顾可以关注主页,点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:

🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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科研助手

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
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