EKF 扩展卡尔曼滤波的基础代码

扩展卡尔曼滤波的基础代码，有详细的注释，结合卡尔曼滤波的基本原理，就能很好的理解卡尔曼滤波过程了。

% EKF 的三个算法
clear;
tic

x = 0.1; % 初始状态
x_estimate = 1; % 状态估计
e_x_estimate = x_estimate; % EKF的状态估计

Q = 10; % input（‘请输入过程噪声的方差Q的值‘）; % 过程状态协方差
R = 1; % input（‘请输入测量噪声的方差R的值‘）; % 测量噪声协方差
P = 5; % 初始估计方差
e_P = P; % UKF 方差

tf = 50; % 模拟长度
x_array = [x]; % 真实数据组
e_x_estimate_array = [e_x_estimate]; % EKF最优估计值数组

linear = 0.5;

close all;

for k = 1:tf
    % 模拟系统
    x = linear*x + （25*x/（1+x^2）） + 8*cos（1.2*（k-1）） + sqrt（Q）*randn; % 状态值
    y = （x^2/20） + sqrt（R）*randn; % 观测值

%===========================================% 扩展卡尔曼滤波器
    % 进行估计 第一阶段的估计
    e_x_estimate_1 = linear*e_x_estimate + 25*e_x_estimate/（1+e_x_estimate^2） + 8*cos（1.2*（k-1））;
    e_y_estimate = （e_x_estimate_1）^2/20; % 这是根据k=1时估计值为1得到的观测值，只是这个由我估计得到的，
                                       

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2073  2011-11-09 15:41  EKF.m

----------- ---------  ---------- -----  ----

                 2073                    1