卡尔曼滤波信噪比matlab代码

卡尔曼滤波是一种常用的状态估计算法，用于从带有噪声的测量数据中估计出系统的状态。下面是一个简单的卡尔曼滤波的MATLAB代码示例：

% 系统模型
A = 1; % 状态转移矩阵
H = 1; % 观测矩阵
Q = 0.1; % 状态噪声方差
R = 1; % 观测噪声方差

% 初始化
x = 0; % 初始状态估计
P = 1; % 初始状态协方差估计

% 测量数据
z = [1.2, 1.8, 2.4, 3.2]; % 观测数据

% 卡尔曼滤波
for i = 1:length(z)
    % 预测
    x_pred = A * x;
    P_pred = A * P * A' + Q;
    
    % 更新
    K = P_pred * H' / (H * P_pred * H' + R);
    x = x_pred + K * (z(i) - H * x_pred);
    P = (eye(size(P)) - K * H) * P_pred;
    
    % 输出结果
    fprintf('第%d次观测后的状态估计值：%f\n', i, x);
end

这段代码实现了一个简单的一维卡尔曼滤波器，通过观测数据`z`来估计系统的状态。其中，`A`是状态转移矩阵，`H`是观测矩阵，`Q`是状态噪声方差，`R`是观测噪声方差。代码中的循环用于逐步更新状态估计值，并输出每次观测后的状态估计结果。