%% % ----------------------- 卡尔曼滤波 ----------------------------- % -------说明 %X(k^l)=Ak*X(k)+W(k); %Y(k)=Ck*X(k)+V(k) %% clear;clc; %基本参数值 Ak=exp(-0.02); Ck=1; Qk=1-exp(-0.04); Rk=1; %初始时刻的卡尔曼最优值设置 X0=0; P0=1; %观测值y(k) Y=[-3.2 -0.8 -14 -16 -17 -18 -3.3 -2.4 -18 -0.3 -0.4 -0.8 -19 -2.0 -1.2 ... -11 -14 -0.9 0.8 10 0.2 0.5 2.4 -0.5 0.5 -13 0.5 10 -12 0.5 -0.6 -15 -0.7 15 ... 0.5 -0.7 -2.0 -19 -17 -11 -14]; %数据长度 N=length(Y); for k=1:N if k==1 %k=l时由初值开始计算 %预测 X_pre(k)= P_pre(k)= K(k)= %卡尔曼增益 X_kalman(k)= I=eye(size(K(k)));%生成单位矩阵 P_kalman(k)=; else %k>l时开始递推 %预测 X_pre(k)= X_pre(k)= %更新 K(k)= X_kalman(k)= I=eye(size(K(k))); %卡尔曼增益 P_kalman(k) = end end M=1:N; T=0.02*M %作图,画出x(t)的波形 figure () plot(T,Y,'r','LineWidth',1); hold on; plot(T,X,'b','LineWidth',1); legend('测量信号y(t)','Kalman估计信号x(t)') 请补全上述代码

补全代码如下：

clear;clc;

%基本参数值
Ak=exp(-0.02);
Ck=1;
Qk=1-exp(-0.04);
Rk=1;

%初始时刻的卡尔曼最优值设置
X0=0;
P0=1;

%观测值y(k)
Y=[-3.2 -0.8 -14 -16 -17 -18 -3.3 -2.4 -18 -0.3 -0.4 -0.8 -19 -2.0 -1.2 ...
    -11 -14 -0.9 0.8 10 0.2 0.5 2.4 -0.5 0.5 -13 0.5 10 -12 0.5 -0.6 -15 -0.7 15 ...
    0.5 -0.7 -2.0 -19 -17 -11 -14];

%数据长度
N=length(Y);

for k=1:N
    if k==1 %k=l时由初值开始计算
        
        %预测
        X_pre(k)=Ak*X0;
        P_pre(k)=Ak*P0*Ak'+Qk;
        
        K(k)=P_pre(k)*Ck'/(Ck*P_pre(k)*Ck'+Rk); %卡尔曼增益
        
        X_kalman(k)=X_pre(k)+K(k)*(Y(k)-Ck*X_pre(k)); %更新
        I=eye(size(K(k)));%生成单位矩阵
        P_kalman(k)=(I-K(k)*Ck)*P_pre(k); 
        
    else %k>l时开始递推
        
        %预测
        X_pre(k)=Ak*X_kalman(k-1);
        P_pre(k)=Ak*P_kalman(k-1)*Ak'+Qk;
        
        K(k)=P_pre(k)*Ck'/(Ck*P_pre(k)*Ck'+Rk); %卡尔曼增益
        
        X_kalman(k)=X_pre(k)+K(k)*(Y(k)-Ck*X_pre(k)); %更新
        I=eye(size(K(k))); %卡尔曼增益
        P_kalman(k)=(I-K(k)*Ck)*P_pre(k);
        
    end
end

M=1:N;
T=0.02*M;

%作图,画出x(t)的波形
figure()
plot(T,Y,'r','LineWidth',1); 
hold on; 
plot(T,X_kalman,'b','LineWidth',1); 
legend('测量信号y(t)','Kalman估计信号x(t)')