卡尔曼维纳滤波程序

里面包含了卡尔曼滤波程序，一维维纳滤波程序，二维维纳滤波程序，供大家学习参考

%第一条曲线
% t=0.1:0.1:6;
% X=t.^2;
%第二条曲线
% t=1:1:60;
% X=t.^2;
%第三条曲线
% t=1:1:60;
% X=sin（t）;
% %第四条曲线
t=1:1:60;
X=60*sin（t）;

N=1:60;
figure;
plot（NX‘r‘）;
hold on;
 
   
%系统方程：X（k+1）=A*X（k）+w（k） 
%观测方程：Z（k）=H*Z（k）+v（k） 
%这个是生成高斯噪声的随机数
w=randn（160）;   
v=randn（160）;
 
A=1;
H=1;
X_k（1）=0;                      %状态估计初值             
P_kk（1）=0;                     %P（k/k）
P_k（1）=0;                      %P（k/k-1） 这个初始化不需要，就给你们看看变量的对应
Z_k（1）=X_k（1）+w（1） ;       %测量值
 
R=（std（v））.^2; 
Q=（std（w））.^2; 
 
Kg（1）=P_kk（1）*H‘/（H*P_kk（1）*H‘+R）;        %卡尔曼增益 Kg
P_k（1）=A*P_kk（1）*A‘+Q ;                   %方差预测   P_k/k-1
 
for i=2:60
    X_k（i）=A*X_k（i-1）+Kg（i-1）*（Z_k（i-1）-H*A*X_k（i-1））; %这边就直接代入式（1），所以没出现
    Kg（i）=P_k（i-1）*H‘\（（H*P_k（i-1）*H‘+R）） ;
    P_k（i）=A*P_kk（i-1）*A‘+Q;
    P_kk（i）=P_k（i-1）-Kg（i）*H*P_kk（i-1） ;
    Z_k（i）=H*X（i）+w（i） ;
end 
n=1:60;

plot（nX_k）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2048  2017-10-27 18:52  wine.m
     文件        1122  2017-11-01 20:13  winner2.m
     文件        1014  2017-10-27 19:05  kalmantst.m