卡尔曼滤波算法及C语言实现_源代码

卡尔曼滤波理论很容易就可以在MATLAB软件环境下实现,但是,实际的硬件板子上还是需要C语言,当然可以自动代码生成,还有一种就是直接手动编写C语言。

1.前言
在google上搜索卡尔曼滤波,很容易找到以下这个帖子:http://blog.csdn.net/lanbing510/article/details/8828109
帖子最后用matlab实现了kalman,然后博主的前面一些帖子也有详细转载相关贴子,自己也给出了一些源代码,例如转载的这篇卡尔曼滤波器通俗介绍:https://blog.csdn.net/weixin_38451800/article/details/85462129

2.卡尔曼滤波的C语言
  网上很多的是关于多维kalman实现。参照网上的一些代码,本文实现了一个一维地滤波,对于有C语言基础的同学来讲,理解起来应该很容易了。
百度百科里面有这个帖子:http://wenku.baidu.com/view/8523cb6eaf1ffc4ffe47ac24.html
  讲解的是一维kalman滤波器,但是最后printf出来的都是分立的值,看不出来什么。参考那段代码,改写成了下面这段代码,在labwindows里面绘制了一段曲线,效果就很直观了:

/*-------------------------------------------------------------------------------------------------------------*/ 
void KalmanFilter(unsigned int ResrcDataCnt,const double *ResrcData,double *FilterOutput,double ProcessNiose_Q,double MeasureNoise_R,double InitialPrediction)
{
        unsigned int i;
        double R = MeasureNoise_R;
        double Q = ProcessNiose_Q;
        double x_last = *ResrcData;
        double x_mid = x_last;
        double x_now;
        double p_last = InitialPrediction;
        double p_mid ;
        double p_now;
        double kg;

        for(i=0;i<ResrcDataCnt;i++)
        {
                x_mid=x_last; //x_last=x(k-1|k-1),x_mid=x(k|k-1)
                p_mid=p_last+Q; //p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声
                kg=p_mid/(p_mid+R); //kg为kalman filter,R为噪声
                x_now=x_mid+kg*(*(ResrcData+i)-x_mid);//估计出的最优值
                p_now=(1-kg)*p_mid;//最优值对应的covariance
                
                *(FilterOutput + i)  = x_now;

                p_last = p_now; //更新covariance值
                x_last = x_now; //更新系统状态值
        }

}
/*-------------------------------------------------------------------------------------------------------------*/

参考上面的代码,优化了一下之后(运行在STM32上):

/*-------------------------------------------------------------------------------------------------------------*/
/*        
        Q:过程噪声,Q增大,动态响应变快,收敛稳定性变坏
        R:测量噪声,R增大,动态响应变慢,收敛稳定性变好        
*/

double KalmanFilter(const double ResrcData,
                                        double ProcessNiose_Q,double MeasureNoise_R,double InitialPrediction)
{
        double R = MeasureNoise_R;
        double Q = ProcessNiose_Q;

        static        double x_last;

        double x_mid = x_last;
        double x_now;

        static        double p_last;

        double p_mid ;
        double p_now;
        double kg;        

        x_mid=x_last; //x_last=x(k-1|k-1),x_mid=x(k|k-1)
        p_mid=p_last+Q; //p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声
        kg=p_mid/(p_mid+R); //kg为kalman filter,R为噪声
        x_now=x_mid+kg*(ResrcData-x_mid);//估计出的最优值
                
        p_now=(1-kg)*p_mid;//最优值对应的covariance        

        p_last = p_now; //更新covariance值
        x_last = x_now; //更新系统状态值

        return x_now;                
}

/*-------------------------------------------------------------------------------------------------------------*/

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
3.接下来,是另外一个版本的单维卡尔曼滤波的C语言源代码:

#include "stdio.h"
#include "stdlib.h"
#include "math.h"
double frand()
{ return 2*((rand()/(double)RAND_MAX) - 0.5); // 随机噪声}

void main()
{ float x_last=0;
float p_last=0.02;
float Q=0.018;
float R=0.542;
float kg;
float x_mid;
float x_now;
float p_mid;
float p_now;
float z_real=0.56;//0.56
float z_measure;
float sumerror_kalman=0;
float sumerror_measure=0;
int i;
x_last=z_real+frand()*0.03;
x_mid=x_last;
for(i=0;i<20;i++)
{ x_mid=x_last;                                     //x_last=x(k-1|k-1),x_mid=x(k|k-1)
p_mid=p_last+Q;                                     //p_mid=p(k|k-1),p_last=p(k-1|k-1),Q= 噪声
kg=p_mid/(p_mid+R);                                 //kg 为kalman filter ,R为噪声
z_measure=z_real+frand()*0.03;                      // 测量值
x_now=x_mid+kg*(z_measure-x_mid);                   // 估计出的最优值
p_now=(1-kg)*p_mid;                                 // 最优值对应的covariance
printf("Real position: %6.3f \n",z_real);           // 显示真值
printf("Mesaured position: %6.3f [diff:%.3f]\n",z_measure,fabs(z_real-z_measure));
                                                    // 显示测量值以及真值与测量值之间的误差
printf("Kalman position: %6.3f [diff:%.3f]\n",x_now,fabs(z_real - x_now));  // 显示kalman 估计值以及真值和卡尔曼估计值的误差
sumerror_kalman += fabs(z_real - x_now);            //kalman 估计值的累积误差
sumerror_measure += fabs(z_real-z_measure);         // 真值与测量值的累积误差
p_last = p_now;                                     // 更新covariance 值
x_last = x_now;                                     // 更新系统状态值
}
printf(" 总体测量误差 : %f\n",sumerror_measure);     // 输出测量累积误差
printf(" 总体卡尔曼滤波误差: %f\n",sumerror_kalman);  // 输出kalman 累积误差
printf(" 卡尔曼误差所占比例: %d%% \n",100-(int)((sumerror_kalman/sumerror_measure)*100));

——————————————————————————————————————————
部分内容转载自:https://www.amobbs.com/thread-5571611-1-1.html 和https://wenku.baidu.com/view/8523cb6eaf1ffc4ffe47ac24.html

很抱歉,我没有找到引用中关于扩展卡尔曼滤波算法C语言代码。然而,扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)的实现可以使用C语言进行编写。以下是一个简单的示例,展示了如何使用C语言实现扩展卡尔曼滤波算法: ```c #include <stdio.h> // 定义状态向量 typedef struct { double x; double y; } StateVector; // 定义观测向量 typedef struct { double z; } MeasurementVector; // 扩展卡尔曼滤波算法 void extendedKalmanFilter(StateVector* state, MeasurementVector* measurement) { // TODO: 实现扩展卡尔曼滤波算法的具体逻辑 // 更新状态向量 state->x = measurement->z; state->y = measurement->z; // 输出滤波后的状态 printf("Filtered state: x = %.2f, y = %.2f\n", state->x, state->y); } int main() { // 创建状态向量和观测向量的实例 StateVector state = {0.0, 0.0}; MeasurementVector measurement = {1.0}; // 调用扩展卡尔曼滤波算法 extendedKalmanFilter(&state, &measurement); return 0; } ``` 请注意,这只是一个简单的示例,实际的扩展卡尔曼滤波算法实现可能更加复杂,并且需要根据具体的应用场景进行调整和优化。为了实现更复杂的功能,请参考相关的文献和资源,或查找现有的开源库。<span class="em">1</span> #### 引用[.reference_title] - *1* [转弯模型(Coordinate Turn,CT)无迹卡尔曼滤波(UKF),matlab代码](https://download.csdn.net/download/monologue0622/88218055)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值