칼만 필터 matlab 예제

Kalman 필터는 GPS 및 IMU(관성 측정 장치) 측정을 융합하여 위치 및 속도 신호를 합성하는 센서 융합과 같은 GNC 시스템에서 일반적으로 사용됩니다. 이 필터는 종종 온도 센서가 고장나는 항공기 엔진 터빈의 온도와 같이 측정할 수 없는 신호 값을 추정하는 데 사용됩니다. 이 필터는 LQG(선형 이차-가우시안) 제어를 위한 LQR(선형 이차-조절기) 보상기와 함께 사용됩니다. 두 번째 플롯에 표시된 것처럼 Kalman 필터는 측정 노이즈로 인한 오류 y-yv를 줄입니다. 이를 확인하려면 오류 공변을 비교하십시오: 칼만 게인 행렬의 정상 상태 및 최종 값이 일치하는지 확인합니다: 이제 정상 상태 칼만 필터를 다음 방정식과 함께 설계하고 플랜트 모델과 칼만 필터를 병렬로 연결합니다. u를 공유 입력으로 지정: 필터링 하기 전에 오류의 공변 (측정 오류): 다양 한 Kalman 필터는 다음 업데이트 방정식이 있습니다. 이제 시간 변화Kalman 필터를 디자인하여 동일한 작업을 수행합니다. 노이즈 공분산이 고정되어 있지 않은 경우에도 시간 변화 칼만 필터가 잘 수행될 수 있습니다. 그러나 이 예제에서는 고정 된 공변을 사용합니다. 이제 원래 칼만 필터의 여러 변형이 있습니다. 이 필터는 컴퓨터 비전, 안내 및 네비게이션 시스템, 계량 경제학 및 신호 처리를 포함하여 추정에 의존하는 애플리케이션에 널리 사용됩니다. Kalman 필터 KALMF의 첫 번째 출력은 플랜트 출력 추정 y_e = Cx[n|n]이며 나머지 출력은 상태 추정치입니다. 첫 번째 출력 y_e만 유지: 마지막으로 플랜트 출력 yv를 필터 입력 yv에 연결합니다.

참고 : yv는 SYS의 4 번째 입력이며 2 번째 출력입니다 : 공분산 플롯에서 출력 공변이 약 5 개의 샘플에서 정상 상태에 도달한 것을 볼 수 있습니다. 그 때부터 시간 다양한 필터는 정상 상태 버전과 동일한 성능을 가짐을 가지게 됩니다. 실제 응답을 필터링된 응답과 비교: KALMAN 함수를 사용하여 정상 상태 Kalman 필터를 디자인할 수 있습니다. 이 기능은 공정 노이즈 공분산 Q와 센서 노이즈 공분산 R을 기준으로 최적의 정상 상태 필터 게인 M을 결정합니다. 컴퓨터 비전 응용 프로그램에서 Kalman 필터는 개체 추적에 사용되어 개체의 향후 위치를 예측하고, 개체의 감지된 위치에서 노이즈를 고려하고, 여러 개체를 해당 트랙과 연결하는 데 사용됩니다.