标签：Kalman 数据 卡尔曼滤波 滤波 50 实例 zeros MATLAB hat

• 来源于B站老师：DR_CAN

• 卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是 滤波 过程。数据滤波是去除 噪声 还原真实数据的一种 数据处理 技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

 % DR_CAN老师的例子
 clc;clear
 ​
 Z = 3*(rand(50,1)*2-1)+50;
 X_hat = zeros(50,1);
 G_K   = zeros(50,1);
 e     = zeros(50,1);
 X_hat(1) = 40;
 e(1)     = 5;
 G_K(1)   = 0;
 ​
 for k = 2:50
     G_K(k) = e(k-1)/(e(k-1)+3);
     X_hat(k) = X_hat(k-1)+G_K(k)*(Z(k)-X_hat(k-1));
     e(k) = (1-G_K(k))*e(k-1);
 end
 figure(1);
 plot(Z);
 hold on
 plot(X_hat)
 legend('测量值','估计值');

标签：Kalman,数据,卡尔曼滤波,滤波,50,实例,zeros,MATLAB,hat
来源： https://www.cnblogs.com/bloghjx/p/15811995.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。