资源简介
包含三种模型交互 IMM交互多模算法matlab仿真
代码片段和文件信息
%pai=[0.85 0.05 0.02 0.08;0.040.850.050.06;0.030.030.900.04;0.060.040.830.07]; %定义一步转移概率矩阵
pai=[0.85 0.05 0.10;0.090.850.06;0.030.070.90]; %定义一步转移概率矩阵
miu1_CV=0.11; %匀速运动模型先验概率
miu1_CA=0.85;
% miu1_CT=0.06;
miu1_Singer=0.04;
T=0.1; %观测间隔时间
%CV模型的状态转移矩阵和过程噪声协方差矩阵
% FV=[ 1 0 T 0 0 0; 0 1 0 T 0 0; 0 0 1 0 0 0; 0 0 0 1 0 0;0 0 0 0 0 0;0 0 0 0 0 0];%匀速运动的状态转移矩阵
% QV=[T^3/3 0 T^2/2 0 0 0; 0 T^3/3 1 T 0 0; T^2/2 0 T 0 0 0; 0 T^2/2 0 T 0 0; 0 0 0 0 0 0; 0 0 0 0 0 0];
FV=[1 T 0 0 0 0;0 1 0 0 0 0;0 0 0 0 0 0; 0 0 0 1 T 0;0 0 0 0 1 0;0 0 0 0 0 0];
QV=[T^3/3 T^2/2 0 0 0 0;T^2/2 T 0 0 0 0;0 0 0 0 0 0;0 0 0 T^3/3 T^2/2 0;0 0 0 T^2/2 T 0;0 0 0 0 0 0];
%CA模型
FA=[1 T T*T/2 0 0 0;0 1 T 0 0 0;0 0 1 0 0 0; 0 0 0 1 T T*T/2;0 0 0 0 1 T;0 0 0 0 0 1];%匀加速运动状态转移矩阵
QA=[T^5/20 T^4/8 T^3/6 0 0 0;T^4/8 T^3/3 T^2/2 0 0 0;T^3/6 T^2/2 T 0 0 0;0 0 0 T^5/20 T^4/8 T^3/6;0 0 0 T^4/8 T^3/3 T^2/2;0 0 0 T^3/6 T^2/2 T];
%CT模型
% [TQ]=CT(0.25*pi/1801.5*pi/1802.5*pi/1800.10.5)%匀速转弯状态转移矩阵
% FT=T;
% QT=Q;
% singer模型
% 初始化singer模型参数
aMax = 2; % 最大加速度
pAMax = 0.5; % 达到最大加速度的概率
pA0 = 0.05; % 加速度为0的概率
alpha = 1/10; % 机动频率
obs=100;
Ry = zeros(3 obs+1); % Ry为Y轴方向实际运动轨迹,包括位置,速度,加速度三个向量
Ry(: 1) = [0; 10; 0]; % 初始Y方向位置为0,速度为10m/s,加速度为0
T = 1; % 观测间隔时间为0.1秒
[sigma2MFQ]= singer(aMaxpAMaxpA0alphaRyTobs);
% 生成完整的singer状态转移矩阵
FS= [1 T 0; 0 1 0;0 0 1];
FS= [FS zeros(33); zeros(33) F];
QS=Q;
%FS=[1T0000;010000;001000;0011Talpha * T - 1 + exp(-alpha * T);000011-exp(-alpha * T);00000exp(-alpha * T)]
H=[1 0 0 0 0 0;0 1 0 0 0 0;0 0 1 0 0 0;0 0 0 1 0 0;0 0 0 0 1 0;0 0 0 0 0 1]; %匀速运动测量矩阵
w=zeros(6100);
w = sqrt(2 * alpha * sigma2) * randn(6obs);%产生均值为0,方差为2*alpha*detal^2的高斯白噪声,其中sigma2=detal^2
w1=zeros(6100);
w1 = sqrt(2 * alpha * sigma2) * randn(6obs);%产生均值为0,方差为2*alpha*detal^2的高斯白噪声,其中sigma2=detal^2
R=zeros(6100);
R = sqrt(2 * alpha * sigma2) * randn(6obs);
miu_temp(::1)=[0 0 0;0 0 0;0 0 0]; %miu 初始化,miu即为公式中的u,即为模型在k时刻的概率
% miu(::1)=[miu1_CV miu1_CA miu1_CT miu1_Singer];
miu(::1)=[miu1_CV miu1_CA miu1_Singer];
x1_3(::1)=[10 10 10 20 0 0]; x2_3(::1)=[10 10 10 20 5 5];
x3_3(::1)=[10 10 10 20 4 4]; %混合初始估计状态
x1_1(::1)=[10 10 10 20 0 0]; x2_1(::1)=[10 10 10 20 5 6];
x3_1(::1)=[10 10 10 20 5 5]; %扩展卡尔曼滤波一步预测初始值
y1_1(::1)=[10 10 10 20 0 0]; y2_1(::1)=[10 10 10 20 5.1 5.9];
y3_1(::1)=[10 10 10 20 4.2 4.9]; %测量初始向量
X1(::1)=[10 10 10 20 0 0]; X2(::1)=[10 10 10 20 5 5];
X3(::1)=[10 10 10 20 5 5];
% X4(::1)=[10 10 10 20 5 5]; %滤波更新,对应
% 模型重初始化方差
P1(::1)=[350 0 0 0 0 0;0 350 0 0 0 0;0 0 350 0 0 0;0 0 0 350 0 0;0 0 0 0 370 0;0 0 0 0 0 370];
P2(::1)=[350 0 0 0 0 0;0 350 0 0 0 0;0 0 350 0 0 0;0 0 0 350 0 0;0 0 0 0 370 0;0 0 0 0 0 370];
P3(::1)=[350 0 0 0 0 0;0 350 0 0 0 0;0 0 350 0 0 0;0 0 0 350
相关资源
- MATLABIMM交互多模型算法交互多模型算
- IMM.m交互式多模型
- IMM算法源程序-CACV 模型
- NNDA PDA JPDA IMM数据关联算法matlab代码
- IMM滤波算法
-
用simuli
nk中的SimMechanics模块搭建两关 - 交互多模型的滤波器
- 基于MATLAB/SimMechanics的牛头刨床机构动
- gimms 3g ndvi数据处理程序
- MATLAB中GIMMS NDVI3gv1转Geotiff
- 基于matlab中SimMechanics的四杆机构仿真
- imm ukf filter
- CKF-IMM 采用CKF的多模型滤波的英文文献
- IMM IMM算法
- imMosaic 基于sift的图像拼接算法
- documentation 详细讲解了卡尔曼滤波器及
- immosaic-by--sift 基于sift的图像特征点提
- 倒立摆LQRPID 控制及SimMechanicsMatlab/Si
- 基于AMESimMatlab的电液伺服控制系统的
评论
共有 条评论