2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩22頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、<p>  控制系統(tǒng)仿真課程設(shè)計(jì)</p><p><b> ?。?010級(jí))</b></p><p>  控制系統(tǒng)仿真課程設(shè)計(jì)</p><p><b>  一、題目</b></p><p>  基于Kalman濾波的信息融合算法設(shè)計(jì)</p><p>  1) 學(xué)習(xí)并

2、掌握線性系統(tǒng)Kalman濾波的基本原理和基本公式;</p><p>  2) 學(xué)習(xí)并掌握一種常用的融合算法;</p><p>  3) 學(xué)習(xí)并利用Matlab軟件實(shí)現(xiàn)基本的Kalman濾波和信息融合算法的仿真。</p><p><b>  二、主要要求</b></p><p>  1) 具備基本的概率與數(shù)理統(tǒng)計(jì)知識(shí);&l

3、t;/p><p>  2) 熟悉并掌握基本的Matlab軟件編寫能力;</p><p>  3) 學(xué)習(xí)并掌握正交投影定理和矩陣求逆定理;</p><p>  4) 了解Kalman濾波的功能、來(lái)源和基本原理;</p><p>  5) 掌握Kalman濾波的推導(dǎo)過(guò)程和基本運(yùn)行公式;</p><p>  6) 了解信息融合的

4、基本概念和方法;</p><p>  7) 掌握一種典型的多傳感器信息融合算法:分布式局部估計(jì)值加權(quán)融合。</p><p><b>  三、主要內(nèi)容</b></p><p>  一)線性系統(tǒng)的Kalman濾波</p><p>  考慮如下一類單傳感器線性動(dòng)態(tài)估計(jì)系統(tǒng)</p><p><b&g

5、t;  (1)</b></p><p><b>  (2)</b></p><p>  其中,是離散的時(shí)間變量;是系統(tǒng)的狀態(tài)向量,是系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣;是狀態(tài)的觀測(cè)向量,是相應(yīng)的觀測(cè)矩陣;和是零均值的高斯白噪聲過(guò)程,且滿足如下條件:</p><p>  , (3)</p><p>  初始狀態(tài)

6、為一隨機(jī)向量,且滿足</p><p><b>  (4)</b></p><p>  那么,線性系統(tǒng)的Kalman濾波基本公式如下:</p><p>  計(jì)算狀態(tài)的一步預(yù)測(cè)值</p><p><b>  (5)</b></p><p>  計(jì)算一步預(yù)測(cè)誤差協(xié)方差陣</p

7、><p><b>  (6)</b></p><p><b>  計(jì)算增益陣</b></p><p><b>  (7)</b></p><p><b>  計(jì)算狀態(tài)估計(jì)值</b></p><p><b>  (8)</

8、b></p><p><b>  和估計(jì)誤差協(xié)方差陣</b></p><p><b>  (9)</b></p><p>  其中和為時(shí)刻的狀態(tài)估計(jì)以及相應(yīng)的估計(jì)誤差協(xié)方差陣。</p><p>  那么,Kalman濾波仿真程序執(zhí)行方案如下:</p><p>  確定初

9、始狀態(tài)、初始狀態(tài)估計(jì)和相應(yīng)的協(xié)方差矩陣;給定狀態(tài)轉(zhuǎn)移矩陣、過(guò)程噪聲方差、測(cè)量矩陣和測(cè)量噪聲方差(這些量均可認(rèn)為是常量)</p><p><b>  產(chǎn)生仿真信號(hào)數(shù)據(jù)</b></p><p>  從開始循環(huán)(L為給定的仿真時(shí)刻長(zhǎng)度)</p><p><b>  當(dāng)時(shí)</b></p><p>  a1)

10、 利用和隨機(jī)函數(shù)產(chǎn)生一個(gè)高斯白噪聲;</p><p>  a2) 根據(jù)式(1)有;</p><p>  a3) 利用和隨機(jī)函數(shù)產(chǎn)生一個(gè)高斯白噪聲;</p><p>  a4) 根據(jù)式(2)有。</p><p><b>  當(dāng)時(shí)</b></p><p>  b1) 利用和隨機(jī)函數(shù)產(chǎn)生一個(gè)高斯白噪聲;

11、</p><p>  b2) 根據(jù)式(1)有;</p><p>  b3) 利用和隨機(jī)函數(shù)產(chǎn)生一個(gè)高斯白噪聲;</p><p>  b4) 根據(jù)式(2)有。</p><p>  開始Kalman濾波估計(jì)</p><p>  從開始循環(huán)(L為給定的仿真時(shí)刻長(zhǎng)度)</p><p><b>

12、  當(dāng)時(shí)</b></p><p>  a1) 根據(jù)式(5)和式(6)有</p><p><b>  , </b></p><p>  a2) 利用式(7)-(9)計(jì)算估計(jì)和相應(yīng)的估計(jì)誤差協(xié)方差矩陣。</p><p><b>  當(dāng)時(shí)</b></p><p>  

13、b1) 根據(jù)式(5)和式(6)計(jì)算和;</p><p>  b2) 利用式(7)-(9)計(jì)算估計(jì)和相應(yīng)的估計(jì)誤差協(xié)方差矩陣。</p><p>  問(wèn)題:給定相應(yīng)參數(shù)(也鼓勵(lì)采用其他參數(shù)),進(jìn)行Kalman濾波估計(jì)算法程序的編寫,并進(jìn)行繪圖和分析</p><p><b>  標(biāo)量情形:</b></p><p><b&

14、gt;  ,,,,,,</b></p><p> ?。?)請(qǐng)利用Matlab軟件進(jìn)行Kalman濾波估計(jì)仿真程序編寫;</p><p><b>  %mykf.m</b></p><p>  %produce system</p><p><b>  clear;</b></p&g

15、t;<p><b>  A=1;</b></p><p><b>  P0=100;</b></p><p><b>  X0=10;</b></p><p><b>  C=1;</b></p><p><b>  Q=0.1;&

16、lt;/b></p><p><b>  R=10;</b></p><p>  %real states and measure states</p><p>  for k=1:150</p><p>  W(k)=sqrt(Q)*randn(1,1);</p><p>  V(k)=s

17、qrt(R)*randn(1,1);</p><p><b>  if k==1</b></p><p>  X(k)=A*X0+W(k);</p><p>  Z(k)=C*X(k)+V(k);</p><p><b>  else</b></p><p>  X(k)=A

18、*X(k-1)+W(k);</p><p>  Z(k)=C*X(k)+V(k);</p><p><b>  end</b></p><p><b>  end</b></p><p>  %predict states and estimate states</p><p&g

19、t;  for k=1:150</p><p><b>  if k==1</b></p><p>  X_yc(k)=A*X0;</p><p>  Z_yc(k)=C*X_yc(k);</p><p>  P_yc(k)=A*P0*A'+Q;</p><p>  K(k)=P_yc(k

20、)*C'/(C*P_yc(k)*C'+R);</p><p>  X_gj(k)=X_yc(k)+K(k)*(Z(k)-Z_yc(k));</p><p>  P_gj(k)=(eye(1)-K(k)*C)*P_yc(k);</p><p><b>  else</b></p><p>  X_yc(k)

21、=A*X(k-1);</p><p>  Z_yc(k)=C*X_yc(k);</p><p>  P_yc(k)=A*P_yc(k-1)*A'+Q;</p><p>  K(k)=P_yc(k)*C'/(C*P_yc(k)*C'+R);</p><p>  X_gj(k)=X_yc(k)+K(k)*(Z(k)-Z_y

22、c(k));</p><p>  P_gj(k)=(eye(1)-K(k)*C)*P_yc(k);</p><p><b>  end</b></p><p><b>  end</b></p><p>  %create figure</p><p><b>  

23、figure</b></p><p><b>  t=1:150;</b></p><p>  plot(t,Z(1,t),'-og')</p><p><b>  hold on</b></p><p>  plot(t,X_gj(1,t),'r')&l

24、t;/p><p><b>  hold on</b></p><p>  plot(t,X(1,t),'b')</p><p><b>  hold off</b></p><p>  legend('觀測(cè)','估計(jì)','狀態(tài)')</

25、p><p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure</b></p><p>  plot(abs(Z-X),'-og');</p><p><b>  hold

26、on</b></p><p>  plot(abs(X_gj-X));</p><p><b>  hold off</b></p><p>  legend('預(yù)測(cè)與真實(shí)之差','估計(jì)與真實(shí)之差')</p><p>  xlabel('仿真次數(shù)')</p

27、><p>  ylabel('數(shù)值')</p><p> ?。?)繪出狀態(tài)預(yù)測(cè)值和狀態(tài)估計(jì)值的曲線圖;</p><p> ?。?)繪出預(yù)測(cè)誤差協(xié)方差和估計(jì)誤差協(xié)方差的曲線圖;</p><p> ?。?)對(duì)仿真結(jié)果進(jìn)行分析。</p><p>  預(yù)測(cè)值和估計(jì)值都能夠在一定程度上反應(yīng)真實(shí)值,但是估計(jì)值比觀測(cè)值更

28、接近真實(shí)值。</p><p>  狀態(tài)估計(jì)值:表明估計(jì)值是在預(yù)測(cè)值的基礎(chǔ)上進(jìn)行優(yōu)化后得到結(jié)果,所以估計(jì)值更準(zhǔn)確一些。</p><p><b>  矢量情形:</b></p><p><b>  ,,,,</b></p><p><b>  ,,</b></p>&

29、lt;p> ?。?)請(qǐng)利用Matlab軟件進(jìn)行Kalman濾波估計(jì)仿真程序編寫;</p><p><b>  %mykf.m</b></p><p>  %produce system</p><p><b>  clear;</b></p><p>  A=[1 1;0 1];</p&

30、gt;<p>  P0=[100 10;10 100];</p><p>  x0=[1;0.1];</p><p>  X_0=[10;1];</p><p>  C=[1 0;0 1];</p><p>  Q=[0.1 0;0 0.1];</p><p>  R=[10 0;0 10];</p

31、><p>  %real states and measure states</p><p>  for k=1:150</p><p>  W(:,k)=sqrt(Q)*randn(2,1);</p><p>  V(:,k)=sqrt(R)*randn(2,1);</p><p><b>  if k==1&

32、lt;/b></p><p>  X(:,k)=A*x0+W(:,k);</p><p>  Z(:,k)=C*X(:,k)+V(:,k);</p><p><b>  else </b></p><p>  X(:,k)=A*X(:,k-1)+W(:,k);</p><p>  Z(:,k

33、)=C*X(:,k)+V(:,k);</p><p><b>  end</b></p><p><b>  end</b></p><p>  %predict states and estimate states</p><p>  for k=1:150</p><p>

34、;<b>  if k==1</b></p><p>  X_yc(:,k)=A*X_0;</p><p>  Z_yc(:,k)=C*X_yc(:,k);</p><p>  P_yc(:,:,k)=A*P0*A'+Q;</p><p>  T_yc(k)=trace(P_yc(:,:,k));</p&g

35、t;<p>  K(:,:,k)=P_yc(:,:,k)*C'/(C*P_yc(:,:,k)*C'+R);</p><p>  X_gj(:,k)=X_yc(:,k)+K(:,:,k)*(Z(:,k)-Z_yc(:,k));</p><p>  P_gj(:,:,k)=(eye(2)-K(:,:,k)*C)*P_yc(:,:,k);</p>&l

36、t;p>  T_gj(k)=trace(P_gj(:,:,k));</p><p><b>  else</b></p><p>  X_yc(:,k)=A*X_gj(:,k-1);</p><p>  Z_yc(:,k)=C*X_yc(:,k);</p><p>  P_yc(:,:,k)=A*P_gj(:,:,

37、k-1)*A'+Q;</p><p>  T_yc(k)=trace(P_yc(:,:,k));</p><p>  K(:,:,k)=P_yc(:,:,k)*C'/(C*P_yc(:,:,k)*C'+R);</p><p>  X_gj(:,k)=X_yc(:,k)+K(:,:,k)*(Z(:,k)-Z_yc(:,k));</p>

38、;<p>  P_gj(:,:,k)=(eye(2)-K(:,:,k)*C)*P_yc(:,:,k);</p><p>  T_gj(k)=trace(P_gj(:,:,k));</p><p><b>  end</b></p><p><b>  end</b></p><p> 

39、 %create figure</p><p><b>  figure </b></p><p><b>  t=1:150;</b></p><p>  plot(t,X(1,t),'-or')</p><p><b>  hold on</b></p

40、><p>  plot(t,X_gj(1,t),'g')</p><p>  plot(t,Z(1,t),'--')</p><p><b>  hold off</b></p><p>  legend('分量一狀態(tài)','分量一估計(jì)','分量一預(yù)測(cè)&#

41、39;)</p><p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure </b></p><p>  plot(t,X(2,t),'-or',t,X_gj(2,t),'g')<

42、/p><p><b>  hold on</b></p><p>  plot(t,Z(2,t),'--')</p><p><b>  hold off</b></p><p>  legend('分量二狀態(tài)','分量二估計(jì)','分量二預(yù)測(cè)

43、9;)</p><p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure</b></p><p>  plot(t,abs(Z(2,t)-X(2,t)),'-or')</p><p&

44、gt;<b>  hold on</b></p><p>  plot(t,abs(X_gj(2,t)-X(2,t)),'g')</p><p><b>  hold off</b></p><p>  legend('預(yù)測(cè)與真實(shí)之差','估計(jì)與真實(shí)之差')</p>

45、;<p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure</b></p><p>  plot(t,T_gj(t),'g',t,T_yc(t),'-or')</p><p&g

46、t;  legend('估計(jì)','預(yù)測(cè)')</p><p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p> ?。?)繪出狀態(tài)預(yù)測(cè)值和狀態(tài)估計(jì)值的曲線圖(每個(gè)狀態(tài)包括兩個(gè)分量);</p><p><b>  圖1.1<

47、;/b></p><p><b>  圖2.1</b></p><p> ?。?)繪出預(yù)測(cè)誤差協(xié)方差陣跡(Trace)和估計(jì)誤差協(xié)方差陣跡的曲線圖;</p><p><b>  圖3.1</b></p><p>  (4)對(duì)仿真結(jié)果進(jìn)行分析。</p><p>  分量的

48、估計(jì)值比分量的觀測(cè)值更接近真實(shí)值。整個(gè)時(shí)也是估計(jì)值更準(zhǔn)確。</p><p>  針對(duì)矢量情形,自行選取三組不同的參數(shù)進(jìn)行Kalman濾波的仿真,并進(jìn)行相應(yīng)仿真結(jié)果的比較分析。</p><p>  改變Q變大(Q=4)</p><p>  改變R變?。≧=4)</p><p>  改變H變?。℉=0.99)</p><p&g

49、t;  當(dāng)R的值變小時(shí),預(yù)測(cè)值的陣跡會(huì)變得下墜更快,預(yù)測(cè)值本身的震蕩會(huì)減小,對(duì)真實(shí)值的偏離會(huì)變小。當(dāng)Q的值增大時(shí),估計(jì)值也會(huì)更加偏離真實(shí)值。當(dāng)H變小時(shí),預(yù)測(cè)值與真實(shí)值偏差變大,估計(jì)值與真實(shí)值的偏差也會(huì)變大。</p><p>  二)基于線性Kalman濾波信息融合算法</p><p>  考慮如下一類多傳感器線性動(dòng)態(tài)估計(jì)系統(tǒng)</p><p><b>  (

50、10)</b></p><p>  , (11)</p><p>  其中,是離散的時(shí)間變量,為傳感器的數(shù)目;是系統(tǒng)的狀態(tài)向量,是系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣;是狀態(tài)的觀測(cè)向量,是相應(yīng)的觀測(cè)矩陣;和是零均值的高斯白噪聲過(guò)程,且滿足如下條件:</p><p>  , (12)</p><p> 

51、 初始狀態(tài)為一隨機(jī)向量,且滿足</p><p><b>  (13)</b></p><p>  那么,對(duì)于每一個(gè)傳感器觀測(cè)均可執(zhí)行一)當(dāng)中基于單個(gè)觀測(cè)的Kalman濾波估計(jì),可得到個(gè)局部估計(jì)和相應(yīng)的估計(jì)誤差協(xié)方差矩陣。從而,可利用分布式加權(quán)融合技術(shù)將上述個(gè)局部Kalman濾波估計(jì)進(jìn)行融合,即:</p><p><b>  (14)&

52、lt;/b></p><p>  此時(shí),和為融合后的狀態(tài)估計(jì)和相應(yīng)的融合估計(jì)誤差協(xié)方差矩陣。</p><p>  問(wèn)題:給定相應(yīng)參數(shù)(也鼓勵(lì)采用其他參數(shù)),進(jìn)行上述分布式融合算法的仿真</p><p><b>  給定如下參數(shù):</b></p><p><b>  ,,,,</b></p

53、><p><b>  ,,</b></p><p> ?。?)請(qǐng)利用Matlab軟件進(jìn)行分布式融合估計(jì)算法仿真程序編寫;</p><p><b>  %mykf.m</b></p><p>  %produce system</p><p><b>  clear;&l

54、t;/b></p><p><b>  clc;</b></p><p>  A=[1 1;0 1];</p><p>  P0=[100 10;10 100];</p><p>  x0=[1;0.1];</p><p>  X_0=[10;1];</p><p>

55、  C=[1 0;0 1];</p><p>  Q=[0.1 0;0 0.1];</p><p>  R=[4 0;0 4];</p><p>  %guan ce qi 1 real states and measure states</p><p>  for k=1:150</p><p>  W(:,k)=s

56、qrt(Q)*randn(2,1);</p><p>  V1(:,k)=sqrt(R)*randn(2,1);</p><p><b>  if k==1</b></p><p>  X1(:,k)=A*x0+W(:,k);</p><p>  Z1(:,k)=C*X1(:,k)+V1(:,k);</p>

57、<p><b>  else </b></p><p>  X1(:,k)=A*X1(:,k-1)+W(:,k);</p><p>  Z1(:,k)=C*X1(:,k)+V1(:,k);</p><p><b>  end</b></p><p><b>  end</

58、b></p><p>  %predict states and estimate states</p><p>  for k=1:150</p><p><b>  if k==1</b></p><p>  X_yc1(:,k)=A*X_0;</p><p>  Z_yc1(:,k)=

59、C*X_yc1(:,k);</p><p>  P_yc1(:,:,k)=A*P0*A'+Q;</p><p>  T_yc1(k)=trace(P_yc1(:,:,k));</p><p>  K1(:,:,k)=P_yc1(:,:,k)*C'/(C*P_yc1(:,:,k)*C'+R);</p><p>  X_g

60、j1(:,k)=X_yc1(:,k)+K1(:,:,k)*(Z1(:,k)-Z_yc1(:,k));</p><p>  P_gj1(:,:,k)=(eye(2)-K1(:,:,k)*C)*P_yc1(:,:,k);</p><p>  T_gj1(k)=trace(P_gj1(:,:,k));</p><p><b>  else</b>&l

61、t;/p><p>  X_yc1(:,k)=A*X_gj1(:,k-1);</p><p>  Z_yc1(:,k)=C*X_yc1(:,k);</p><p>  P_yc1(:,:,k)=A*P_gj1(:,:,k-1)*A'+Q;</p><p>  T_yc1(k)=trace(P_yc1(:,:,k));</p>

62、<p>  K1(:,:,k)=P_yc1(:,:,k)*C'/(C*P_yc1(:,:,k)*C'+R);</p><p>  X_gj1(:,k)=X_yc1(:,k)+K1(:,:,k)*(Z1(:,k)-Z_yc1(:,k));</p><p>  P_gj1(:,:,k)=(eye(2)-K1(:,:,k)*C)*P_yc1(:,:,k);</p&

63、gt;<p>  T_gj1(k)=trace(P_gj1(:,:,k));</p><p><b>  end</b></p><p><b>  end</b></p><p>  %guan ce qi 2 real states and measure states</p><p&

64、gt;  for k=1:150</p><p>  V2(:,k)=sqrt(R)*randn(2,1);</p><p><b>  if k==1</b></p><p>  X2(:,k)=A*x0+W(:,k);</p><p>  Z2(:,k)=C*X2(:,k)+V2(:,k);</p>&

65、lt;p><b>  else </b></p><p>  X2(:,k)=A*X2(:,k-1)+W(:,k);</p><p>  Z2(:,k)=C*X2(:,k)+V2(:,k);</p><p><b>  end</b></p><p><b>  end</b&

66、gt;</p><p>  %predict states and estimate states</p><p>  for k=1:150</p><p><b>  if k==1</b></p><p>  X_yc2(:,k)=A*X_0;</p><p>  Z_yc2(:,k)=C*

67、X_yc2(:,k);</p><p>  P_yc2(:,:,k)=A*P0*A'+Q;</p><p>  T_yc2(k)=trace(P_yc2(:,:,k));</p><p>  K2(:,:,k)=P_yc2(:,:,k)*C'/(C*P_yc2(:,:,k)*C'+R);</p><p>  X_gj2

68、(:,k)=X_yc2(:,k)+K2(:,:,k)*(Z2(:,k)-Z_yc2(:,k));</p><p>  P_gj2(:,:,k)=(eye(2)-K2(:,:,k)*C)*P_yc2(:,:,k);</p><p>  T_gj2(k)=trace(P_gj2(:,:,k));</p><p><b>  else</b><

69、/p><p>  X_yc2(:,k)=A*X_gj2(:,k-1);</p><p>  Z_yc2(:,k)=C*X_yc2(:,k);</p><p>  P_yc2(:,:,k)=A*P_gj2(:,:,k-1)*A'+Q;</p><p>  T_yc2(k)=trace(P_yc2(:,:,k));</p>&l

70、t;p>  K2(:,:,k)=P_yc2(:,:,k)*C'/(C*P_yc2(:,:,k)*C'+R);</p><p>  X_gj2(:,k)=X_yc2(:,k)+K2(:,:,k)*(Z2(:,k)-Z_yc2(:,k));</p><p>  P_gj2(:,:,k)=(eye(2)-K2(:,:,k)*C)*P_yc2(:,:,k);</p>

71、;<p>  T_gj2(k)=trace(P_gj2(:,:,k));</p><p><b>  end</b></p><p><b>  end</b></p><p>  % rong he </p><p>  for k=1:150</p><p>

72、;  P_rh(:,:,k)=inv(P_gj2(:,:,k))+inv(P_gj1(:,:,k));</p><p>  P_rhgj(:,:,k)=inv(P_rh(:,:,k));</p><p>  T_rhgj(k)=trace(P_rhgj(:,:,k));</p><p>  X_rhgj(:,k)=P_rhgj(:,:,k)*inv(P_gj2(:,

73、:,k))*X_gj2(:,k)+P_rhgj(:,:,k)*inv(P_gj1(:,:,k))*X_gj1(:,k);</p><p><b>  end</b></p><p>  %create figure</p><p><b>  figure</b></p><p><b>

74、  t=1:150;</b></p><p>  plot(t,X2(1,t),'r',t,Z2(1,t),'g')</p><p><b>  hold on</b></p><p>  plot(t,X_gj2(1,t),'-ok',t,X_rhgj(1,t),'--

75、9;)</p><p><b>  hold off</b></p><p>  legend(' 觀測(cè)器2狀態(tài)一',',預(yù)測(cè)分量一',' 估計(jì)分量一),',' 融合分量一')</p><p>  xlabel('仿真次數(shù)')</p><p>

76、;  ylabel('數(shù)值')</p><p><b>  figure</b></p><p>  plot(t,X2(2,t),'r',t,Z2(2,t),'g')</p><p><b>  hold on</b></p><p>  plot(

77、t,X_gj2(2,t),'-ok',t,X_rhgj(2,t),'--')</p><p><b>  hold off</b></p><p>  legend(' 觀測(cè)器2狀態(tài)二',',預(yù)測(cè)分量二', '估計(jì)分量二,',' 融合分量二')</p><

78、;p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure</b></p><p>  plot(t,abs(X_rhgj(1,t)-X2(1,t)),'--',t,abs(X_gj2(1,t)-X2(1,t)),'

79、k')</p><p>  legend('融合與真實(shí)之差','估計(jì)與真實(shí)之差')</p><p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p><b>  figure</b></p>

80、<p><b>  k=1:150;</b></p><p>  plot(T_gj1(1,k),'g');</p><p><b>  hold on</b></p><p>  plot(T_gj2(1,k),'r');</p><p><b&g

81、t;  hold on</b></p><p>  plot(T_rhgj(1,k),'-oy');</p><p><b>  hold off</b></p><p>  legend('估計(jì)一陣跡','估計(jì)二陣跡','估計(jì)融合陣跡')</p><

82、;p>  xlabel('仿真次數(shù)')</p><p>  ylabel('數(shù)值')</p><p> ?。?)繪出融合狀態(tài)估計(jì)和每個(gè)局部估計(jì)狀態(tài)估計(jì)值的曲線圖</p><p> ?。?)繪出融合估計(jì)誤差協(xié)方差矩陣跡和每個(gè)局部估計(jì)誤差協(xié)方差陣跡曲線圖;</p><p>  (4)對(duì)上述仿真結(jié)果進(jìn)行分析。&

83、lt;/p><p>  融合之后的估計(jì)值與真實(shí)值的誤差比兩個(gè)分量都要小。這是因?yàn)橥ㄟ^(guò)多個(gè)設(shè)備對(duì)同一狀態(tài)的加權(quán)估計(jì),得到的結(jié)果可以進(jìn)一步減小與真實(shí)值的誤差。</p><p><b>  四實(shí)踐總結(jié)</b></p><p>  經(jīng)過(guò)這兩個(gè)星期的短學(xué)期,從中學(xué)到了不少以前沒有深入過(guò)的知識(shí),對(duì)Matlab的操作更加熟悉,對(duì)kalman濾波有了一定的了解,讓

84、我獲益匪淺,拓寬了我的知識(shí)面。 </p><p><b>  五致謝</b></p><p>  非常感謝xx老師以及同學(xué)們?cè)谖疑蠙C(jī)過(guò)程為我解答疑問(wèn),對(duì)我的錯(cuò)誤提出指正。</p><p><b>  六參考文獻(xiàn)</b></p><p>  付夢(mèng)印.kalman濾波理論及其在導(dǎo)航系統(tǒng)中的應(yīng)用.科學(xué)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論