칼만필터 matlab 예제

이제 원래 칼만 필터의 여러 변형이 있습니다. 이 필터는 컴퓨터 비전, 안내 및 네비게이션 시스템, 계량 경제학 및 신호 처리를 포함하여 추정에 의존하는 애플리케이션에 널리 사용됩니다. 이 예제에서는 Kalman 필터링을 수행하는 방법을 보여 주며 있습니다. 정상 상태 필터와 시간 다양한 필터는 모두 아래에서 설계및 시뮬레이션됩니다. 이제 방정식으로 정상 상태 Kalman 필터를 디자인하고 시간 변화 Kalman 필터를 디자인하여 동일한 작업을 수행합니다. 노이즈 공분산이 고정되어 있지 않은 경우에도 시간 변화 칼만 필터가 잘 수행될 수 있습니다. 그러나 이 예제에서는 고정 된 공변을 사용합니다. 위의 시스템을 시뮬레이션하려면 각 부품의 응답을 별도로 생성하거나 둘 다 함께 생성할 수 있습니다. 각각을 개별적으로 시뮬레이션하려면 먼저 LSIM을 플랜트와 함께 사용한 다음 필터를 사용합니다. 다음 예제는 둘 다 함께 시뮬레이션합니다. 마지막으로 플랜트 출력 yv를 필터 입력 yv에 연결합니다. 참고 : yv는 SYS의 4 번째 입력이며 2 번째 출력입니다 : 다음, 공유 입력으로 u를 지정하여 병렬로 플랜트 모델과 Kalman 필터를 연결 : 다음, FOR 루프에서 필터 재귀 구현 : 칼만 필터는 s의 상태를 추정하는 알고리즘입니다. 측정된 데이터에서 비롯됩니다.

그것은 주로 필터의 이름을 지정하는 헝가리 엔지니어 루돌프 칼만에 의해 개발되었다. 필터의 알고리즘은 2단계 프로세스입니다: 첫 번째 단계는 시스템의 상태를 예측하고 두 번째 단계는 시끄러운 측정을 사용하여 시스템 상태의 추정치를 구체화합니다. 이 필터의 작동 방식을 확인하려면 일부 데이터를 생성하고 필터링된 응답을 실제 플랜트 응답과 비교합니다. 정현파 입력 벡터 생성(알려진): 다양한 Kalman 필터의 시간은 다음과 같은 업데이트 방정식을 가수합니다. 필터링된 응답과 실제 응답 비교: 필터링 하기 전에 오류의 공변 (측정 오류): 컴퓨터 비전 응용 프로그램에서 Kalman 필터는 개체의 미래 위치를 예측 하기 위해 개체 추적에 사용 됩니다., 에서 노이즈를 고려 하기 위해 여러 개체를 해당 트랙과 연결하는 데 도움이 됩니다. 공분산 플롯에서 출력 공변이 약 5개의 샘플에서 정상 상태에 도달한 것을 볼 수 있습니다. 그 때부터 시간 다양한 필터는 정상 상태 버전과 동일한 성능을 가짐을 가지게 됩니다. 두 번째 플롯에 표시된 것처럼 Kalman 필터는 측정 노이즈로 인한 오류 y-yv를 줄입니다. 이를 확인하기 위해 오류 공변을 비교하기 위해 Kalman 필터는 센서 융합과 같은 GNC 시스템에서 일반적으로 사용되며 GPS 및 IMU(관성 측정 장치) 측정을 융합하여 위치 및 속도 신호를 합성합니다. 이 필터는 종종 온도 센서가 고장나는 항공기 엔진 터빈의 온도와 같이 측정할 수 없는 신호 값을 추정하는 데 사용됩니다.

이 필터는 LQG(선형 이차-가우시안) 제어를 위한 LQR(선형 이차-조절기) 보상기와 함께 사용됩니다.