Kalman滤波算法在温度测量中的应用

Kalman滤波器

考虑用如下状态空间模型描述的动态系统$$X(k+1)=\Phi X(k)+\Gamma W(k)\text{\hspace{1em}(1.1)}$$$$Y(k)=HX(k)+V(k)\text{\hspace{1em}(1.2)}$$式中，$k$为离散时间，系统在时刻$k$的状态为$X(k)\in R^n$；$Y(k)\in R^m$为对应状态的观测信号；$W(k)\in R^m$为观测噪声。
在一个滤波周期内，从Kalman滤波在使用系统信息和观测信息的先后次序来看，Kalman滤波具有两个明显的信息更新过程：时间更新过程和观测更新过程。

基于MATLAB下Kalman滤波的温度测量仿真的实现

假设房间的温度大概在25℃左右，我们以分钟为单位，定时测量房间温度，外界的天气是多云，阳光照射时有时无，有与外界空气的交换，即引入噪声$W(k)$，其方差为$Q$，大小假定为$Q=0.01$。对照(1.1)和(1.2)我们可以建立相应的状态方程和观测方程。

根据第k-1时刻的温度值来预测k时刻的实际温度

例如，在第k-1时刻，房间的温度真实值为24.0℃，测量值为23.9℃，偏差为0.1℃；在第k时刻，房间的温度真实值为24.1℃，测量值为24.5℃，偏差为0.4℃。
首先，利用k-1时刻温度值预计第k时刻的温度，预计偏差为$P(k|k-1)=P(k-1)+Q=0.02$，计算Kalman增益$K=\frac{P(k|k-1)}{P(k|k-1)+R}=0.0741$，得到Kalman估计值$X(k)=23.9+0.0741\times (24.1-23.9)=23.915$。此时更新k时刻的偏差，可以对下一时刻观测数据进行更新处理。

Matlab R2016a 下的仿真结果

function main

N = 120;
CON = 25;

Xexpect=CON*ones(1, N);
X=zeros(1, N);
Xkf=zeros(1,N);
Z=zeros(1,N);
P=zeros(1, N);

X(1)=25.1;
P(1)=0.01;
Z(1)=24.9;
Xkf(1)=Z(1);

Q=0.01;
R=0.25;
W=sqrt(Q)*randn(1,N);
V=sqrt(R)*randn(1,N);

F=1;
G=1;
H=1;
I=eye(1);

for k=2:N
    X(k)=F*X(k-1)+G*W(k-1);
    Z(k)=H*X(k)+V(k);
    
    X_pre = F*Xkf(k-1);
    P_pre=F*P(k-1)*F'+Q;
    Kg=P_pre/(H*P_pre*H'+R);
    e=Z(k)-H*X_pre;
    Xkf(k)=X_pre+Kg*e;
    P(k)=(I-Kg*H)*P_pre;
end

Err_Messure=zeros(1,N);
Err_Kalman=zeros(1,N);
for k=1:N
    Err_Messure(k)=abs(Z(k)-X(k));
    Err_Kalman(k)=abs(Xkf(k)-X(k));
end
t=1:N;
figure
plot(t,Xexpect,'-b',t,X,'-r',t,Z,'-ko',t,Xkf,'-g*');
legend('期望值','真实值','观测值','Kalman 滤波值');
xlabel('采样时间/s');
ylabel('温度值摄氏/°C');

figure
plot(t, Err_Messure,'-b',t,Err_Kalman,'-k*');
legend('测量偏差','Kalman 滤波偏差');
xlabel('采样时间/s');
ylabel('温度值偏差/°C');