没有合适的资源?快使用搜索试试~ 我知道了~
卡尔曼滤波器及matlab代码
4星 · 超过85%的资源 需积分: 32 51 下载量 193 浏览量
2011-08-16
10:26:32
上传
评论
收藏 2.17MB DOC 举报
温馨提示
试读
19页
(卡尔曼滤波器及matlab代码)维纳最速下降法滤波器,卡尔曼滤波器设计及Matlab仿真
资源推荐
资源详情
资源评论
1. 滤波问题浅谈
估计器或滤波器这一术语通常用来称呼一个系统,设计这样的系统是为了
从含有噪声的数据中提取人们感兴趣的,接近规定质量的信息。由于这样一个
宽目标,估计理论应用于诸如通信、雷达、声纳、导航、地震学、生物医学工
程、金融工程等众多不同的领域。例如,考虑一个数字通信系统,其基本形式
由发射机、信道和接收机连接组成。发射机的作用是把数字源(例如计算机)产
生的 0、1 符号序列组成的消息信号变换成为适合于信道上传送的波形。而由
于符号间干扰和噪声的存在,信道输出端收到的信号是含有噪声的或失真的发
送信号。接收机的作用是,操作接收信号并把原消息信号的一个可靠估值传递
给系统输出端的某个用户。随着通信系统复杂度的提高,对原消息信号的还原
成为通信系统中最为重要的环节,而噪声是接收端需要排除的最主要的干扰,
人们也设计出了针对各种不同条件应用的滤波器,其中最速下降算法是一种古
老的最优化技术,而卡尔曼滤波器随着应用条件的精简成为了普适性的高效滤
波器。
2.维纳最速下降算法滤波器
2.1 最速下降算法的基本思想
考虑一个代价函数 ,它是某个未知向量 的连续可微分函数。函数
将 的元素映射为实数。这里,我们要寻找一个最优解 。使它满足如下
条件
(2.1)
这也是无约束最优化的数学表示。
特别适合于自适应滤波的一类无约束最优化算法基于局部迭代下降的算法:
从某一初始猜想 出发,产生一系列权向量 ,使得代价函
数 在算法的每一次迭代都是下降的,即
其中 是权向量的过去值,而 是其更新值。
我们希望算法最终收敛到最优值 。迭代下降的一种简单形式是最速下降
法,该方法是沿最速下降方向连续调整权向量。为方便起见,我们将梯度向量
表示为
(2.2)
因此,最速下降法可以表示为
(2.3)
其中 代表进程, 是正常数,称为步长参数,1/2 因子的引入是为了数学上处
理方便。在从 到 的迭代中,权向量的调整量为
(2.4)
为了证明最速下降算法满足式(2.1),在 处进行一阶泰勒展开,得到
(2.5)
此式对于 较小时是成立的。在式(2.4)中设 为负值向量,因而梯度向量 也为
负值向量,所以使用埃尔米特转置。将式(2.4)用到式(2.5)中,得到
此式表明当 为正数时, 。因此,随着 的增加,代价函
数 减小,当 时,代价函数趋于最小值 。
2.2 最速下降算法应用于维纳滤波器
考虑一个横向滤波器,其抽头输入为 ,对
应的抽头权值为 。抽头输入是来自零均值、相关矩阵
为 的广义平稳随机过程的抽样值。除了这些输入外,滤波器还要一个期望响
应 ,以便为最优滤波提供一个参考。在时刻 抽头输入向量表示为 ,
滤波器输出端期望响应的估计值为 ,其中 是由抽头输
所张成的空间。空过比较期望响应 及其估
计值,可以得到一个估计误差 ,即
(2.6)
这里 是抽头权向量 与抽头输入向量 的内积。 可以进
一步表示为
同样,抽头输入向量 可表示为
如果抽头输入向量 和期望响应 是联合平稳的,此时均方误差或者
在时刻 的代价函数 是抽头权向量的二次函数,于是可以得到
(2.7)
其中, 为目标函数 的方差, 抽头输入向量 与期望响应 的互相
关向量,及 为抽头输入向量 的相关矩阵。从而梯度向量可以写为
(2.8)
其中在列向量中 和 分别是代价函数 对应第 个抽头权值 的
实部 和虚部 的偏导数。对最速下降算法应用而言,假设式(2.8)中
剩余18页未读,继续阅读
资源评论
- yoyo9182013-05-27用了一下,确实可行!
- wsj30611011212014-05-19虽然没有用起来,但是学习了。
- aaron_shaw2014-09-20简要介绍了卡尔曼滤波的原理 附录了多个简单的滤波 很适合用来学习 3分你买不到吃亏 买不到上当 赞一个
- qq_254134732015-07-02MATLAB 代码一般,过于简单
- hunanhouchen2013-05-13好资料啊,谢谢楼主。真是雪中送炭啊,谢谢啊
guanqi123
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功