无迹卡尔曼滤波UKF无线传感器网络定位跟踪matlab源码实现.pdfVIP

下载本文档

24
0
约5.56千字
约 6页
2020-12-17 发布于浙江
举报
版权申诉

无迹卡尔曼滤波UKF无线传感器网络定位跟踪matlab源码实现.pdf

1、本文档共6页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

%本例对基于量测非线性模型（正切），进行了仿真；通过对比分析EKF，UKF 和 PF 粒子滤波的性能。仿真结果可以看出粒子滤波器比 UKF 优越，UKF 比EKF 性能优越。可作为学习滤波器的参考资料。 %存在问题：目前修正效果还不够完美，滤波值在预测值的基础上有所改善，使其接近真实值。 clear all; close all; clc;%Clear command window. st = 100; % simulation length(time) MC=50; %仿真次数 dl=zeros(MC,st+1); de=zeros(MC,st+1); dp=zeros(MC,st+1); %仿真10 次 fortime=1:MC dl(time,1)=0; de(time,1)=0; dp(time,1)=0; Q = 0.5; % process noise covariance R = [3^2 0; 0 0.1745^2 ];% measurement noise covariance x0 = [0,5,0,7]; % initial state x = x0; xA = [x(1)];%Array:Save the true X -position yA = [x(3)];%Array:Save Y-Position xobs = [x(1)]; %观测到的坐标 yobs = [x(3)]; ZA = []; %初始化系统方程系数 CV 线性模型 F=[ 1.0 1.0 0.0 0.0; 0.0 1.0 0.0 0.0; 0.0 0.0 1.0 1.0; 0.0 0.0 0.0 1.0]; G=[0.5 0.0; 1.0 0.0; 0.0 0.5; 0.0 1.0]; %事先得到整体过程的实际状态值和观测值 for k = 1 : st %two equation x = F *x + G * normrnd(0,Q,2,1); %状态方程 if x(1)0 x(3)=0 z(:,:,k) =[sqrt(x(1)^2+x(3)^2) atan(x(3)/x(1))] + [normrnd(0,3^2,1,1) normrnd(0,0.1745^2,1,1)]; %观测方程 xobs = [xobs z(1,1,k)*cos(z(2,1,k))]; yobs = [yobs z(1,1,k)*sin(z(2,1,k))]; end if x(1)0 x(3)=0 z(:,:,k) =[sqrt(x(1)^2+x(3)^2) (atan(x(3)/x(1))+pi)] + [normrnd(0,3^2,1,1) normrnd(0,0.1745^2,1,1)]; %观测方程 xobs = [xobs z(1,1,k)*cos(z(2,1,k))]; yobs = [yobs z(1,1,k)*sin(z(2,1,k))]; end if x(1)0 x(3)=0 z(:,:,k) =[sqrt(x(1)^2+x(3)^2) (atan(x(3)/x(1))-pi)] + [normrnd(0,3^2,1,1) normrnd(0,0.1745^2,1,1)]; %观测方程 xobs = [xobs z(1,1,k)*cos(z(2,1,k))]; yobs = [yobs z(1,1,k)*sin(z(2,1,k))]; end if x(1)0 x(3)=0 z(:,:,k) =[sqrt(x(1)^2+x(3)^2) atan(x(3)/x(1))] + [normrnd(0,3^2,1,1) normrnd(0,0.1745^2,1,1)]; %观测方程 xobs = [xobs z(1,1,k)*cos(z(2,1,k))];