kalmanyuce.rar_卡尔曼预测_时间 预测_滤波预测_预测 滤波_预测卡尔曼

clc clear load a.txt n_iter =227; %计算连续n_iter个时刻 sz = [n_iter, 1]; % size of array. n_iter行，1列 %x = 24; % 温度的真实值 Q = 0.02; % 过程方差， 反应连续两个时刻温度方差。更改查看效果 R = 25; % 测量方差，反应温度计的测量精度。更改查看效果 for i=1:227 c(i,1)=a(i+501,3); end z = c; % z是温度计的测量结果，在真实值的基础上加上了方差为0.25的高斯噪声。 % 对数组进行初始化 xhat=zeros(sz); % 对温度的后验估计。即在k时刻，结合温度计当前测量值与k-1时刻先验估计，得到的最终估计值 P=zeros(sz); % 后验估计的方差 xhatminus=zeros(sz); % 温度的先验估计。即在k-1时刻，对k时刻温度做出的估计 Pminus=zeros(sz); % 先验估计的方差 K=zeros(sz); % 卡尔曼增益，反应了温度计测量结果与过程模型（即当前时刻与下一时刻温度相同这一模型）的可信程度 % intial guesses xhat(1) =1.674; %温度初始估计值为23.5度 P(1) =1000; %误差方差为1 for k = 2:n_iter % 时间更新（预测） xhatminus(k) = xhat(k-1); %用上一时刻的最优估计值来作为对当前时刻的温度的预测 Pminus(k) = P(k-1)+Q; %预测的方差为上一时刻温度最优估计值的方差与过程方差之和 % 测量更新（校正） K(k) = Pminus(k)/( Pminus(k)+R ); %计算卡尔曼增益 xhat(k) = xhatminus(k)+K(k)*(z(k)-xhatminus(k)); %结合当前时刻温度计的测量值，对上一时刻的预测进行校正，得到校正后的最优估计。该估计具有最小均方差 P(k) = (1-K(k))*Pminus(k); %计算最终估计值的方差 end FontSize=14; LineWidth=3; figure(); plot(z,'k+'); %画出温度计的测量值 hold on; plot(xhat,'b-','LineWidth',LineWidth) %画出最优估计值 hold on; legend('温度计的测量结果', '后验估计', '真实值'); xl=xlabel('时间(分钟)'); yl=ylabel('温度'); set(xl,'fontsize',FontSize); set(yl,'fontsize',FontSize); hold off; set(gca,'FontSize',FontSize); figure(); valid_iter = [2:n_iter]; % Pminus not valid at step 1 plot(valid_iter,P([valid_iter]),'LineWidth',LineWidth); %画出最优估计值的方差 legend('后验估计的误差估计'); xl=xlabel('时间(分钟)'); yl=ylabel('℃^2'); set(xl,'fontsize',FontSize); set(yl,'fontsize',FontSize); set(gca,'FontSize',FontSize);