CDKF介绍
另有关于EKF和CDKF的对比程序:EKF+CDKF两个滤波的MATLAB程序,估计三轴位置,带中文注释——https://blog.csdn.net/callmeup/article/details/136610153。此文章所在的专栏还有更多好用的例程,欢迎订阅。
中心差分卡尔曼滤波(Central Difference Kalman Filter,CDKF)是卡尔曼滤波器的一种变体,通过将非线性系统模型线性化来处理非线性问题。
CDKF的工作原理如下:首先,使用非线性系统模型和当前的状态估计来预测系统的状态。然后,通过将状态预测输入到非线性观测模型中,得到观测的预测值。接下来,使用观测的预测值和实际观测值之间的差异来计算卡尔曼增益。最后,使用卡尔曼增益来更新状态估计,并得到最终的估计结果。
CDKF相对于传统的卡尔曼滤波器具有更好的非线性逼近能力,因为它使用了更准确的状态变化估计。然而,由于需要线性化非线性系统模型,CDKF可能在极端情况下失效,例如系统存在较大的非线性或噪声。
总的来说,中心差分卡尔曼滤波是一种适用于非线性系统的滤波算法,通过使用中心差分法来提高对状态变化的估计精度。它在估计非线性系统的状态时具有一定的优势,但也有一些限制。
运行结果
滤波值与真值的对比:
滤波前后误差的对比,计算公式:
误差
=
滤波值
/
未滤波值
−
真值
误差=滤波值/未滤波值-真值
误差=滤波值/未滤波值−真值
误差的累计概率密度(CDF)图像:
代码下载链接
如需代码,可点击下列链接下载(需付费,请谨慎下载):
https://download.csdn.net/download/callmeup/89708882
部分代码如下
% CDKF三维滤波
% author:Evand,VX:matlabfilter
% 2024-6-28/Ver1
clear;clc;close all;
rng(0);
%% initial
T = 0.1; %采样率
t = T:T:100;
Q = 0.1*diag([1,1,1]);w=sqrt(Q)*randn(size(Q,1),length(t));
R = 1*diag([1,1,1]);v=sqrt(R)*randn(size(R,1),length(t));
P = 0.1*diag([1,1,1]);
P_num = zeros(length(t),size(P,1),size(P,2)); %存放每次迭代的P
P_num(1,:,:) = P;
X=zeros(3,length(t));
X(:,1) = [1,1,1]'; %初值设置,这里为全1,可以删除,删除则表示初值为全零
X_cdkf=zeros(3,length(t));
X_cdkf(:,1)=X(:,1);
Z=zeros(3,length(t)); %定义观测值形式
%% model
X_=zeros(3,length(t));
X_(:,1)=X(:,1);