《2022年PDA算法Matlab程序 .pdf》由会员分享，可在线阅读，更多相关《2022年PDA算法Matlab程序 .pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、一、测试程序%PDA-FA 算法实现%何友雷达数据处理及应用P116%二维空间匀速直线运动，状态向量为X=x,vx,y,vy%x1=x0+vxT%y1=y0+vyT%仿真：%1、改变虚假量测数量 nc：公式求取、手动设置%2、改变量测噪声 R=r0;0 r ，即r%3、改变虚假量测位置 q，偏离真实位置的程度%4、关联概率计算clc;clear;closeall;%*%参数设置%*I=eye(4);T = 1;% 采样间隔simTime = 100 ;% 仿真步数A=1 T 0 0;01 0 0;00 1 T;00 0 1;% 实际模型： CVH=1 0 0 0;00 1 0;% 测量模型Q=
2、0;% 实际过程噪声G = T2/20;T 0;0 T2/2;0 T;% 噪声加权矩阵r=200;R=r0;0 r;% 量测噪声X0=200;0;10000;-15;% 初始状态X(:,1)=X0;Vk=sqrt(r)*randn;sqrt(r)*randn;Zk(:,1)=H*X(:,1)+Vk;gama=16;lamda=0.0004;%*%量测生成%*fori=2:1:simTimeX(:,i)=A*X(:,i-1);% 真实状态Vk=sqrt(r)*randn;sqrt(r)*randn;Zk(:,i)=H*X(:,i)+Vk;% 生成量测值end%*%PDA 初始化%*Xk_PDA=
3、200;0;10100;-16;% 初始状态、与实际值略有差别R11=r;R22=r;R12=0;R21=0;Pkk_PDA=R11 R11/T R12 R12/T;名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 5 页 - - - - - - - - - R11/T 2*R11/T2R12/T 2*R12/T2;R21 R21/T R22 R22/T;R21/T 2*R21/T2R22/T 2*R22/T2;% 初始协方差Xkk = Xk_PDA;Pkk = Pkk_P
4、DA;X_Pre = A*Xkk;P_Pre=A*Pkk*A+G*Q*G;P=R;fori=1:1:simTime%*%产生杂波%*% 量测确认区域面积Sk=H*P_Pre*H+P;Av=pi*gama*sqrt(det(Sk);% 准备生成杂波数目nc=floor(10*Av*lamda+1);%设置杂波数量q=sqrt(Av)/2;%q=sqrt(10*Av)/2;a=X(1,i)-q;b=X(1,i)+q;c=X(3,i)-q;d=X(3,i)+q;% 生成代表杂波的 nc个虚假量测xi=a+(b-a)*rand(1,nc);yi=c+(d-c)*rand(1,nc);clearZ_Ma
5、trix;clearPZ_Matrix;forj=1:ncZ_Matrix(:,j)= xi(j);yi(j);endZ_Matrix(:,nc+1)=Zk(:,i);PZ_Matrix= cat(3);forj=1:1:ncPZ_Matrix= cat(3,PZ_Matrix,q,0;0,q);endPZ_Matrix= cat(3,PZ_Matrix,R);%*%PDA 关联%*Z_Predict= H*X_Pre;PZ_Predict= H*P_Pre*H;Combine_Z,Combine_R=PDA(Z_Matrix,PZ_Matrix,Z_Predict,PZ_Predict);%
6、 PDAZ_PDA(:,i)= Combine_Z ;%*%卡尔曼滤波%*P=Combine_R;Xk_PDA,Pk_PDA,Kk_PDA=Kalman(Xkk,Pkk,Combine_Z,A,G,Q,H,P);Xkk=Xk_PDA;名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 5 页 - - - - - - - - - Pkk=Pk_PDA;% 预测X_Pre=A*Xkk;P_Pre=A*Pkk*A+G*Q*G;% 出各个状态值Ex_PDA(i)=Xkk(1);Evx
7、_PDA(i)=Xkk(2);Ey_PDA(i)=Xkk(3);Evy_PDA(i)=Xkk(4);error1_PDA(i)=Ex_PDA(i)-X(1,i);%Pkk(1,1);error2_PDA(i)=Ey_PDA(i)-X(3,i);%Pkk(2,2);error3_PDA(i)=Evx_PDA(i)-X(2,i);%Pkk(3,3);error4_PDA(i)=Evy_PDA(i)-X(4,i);%Pkk(4,4);end%*%绘图%*i=1:simTime;figureplot(X(1,i),X(3,i),-,LineWidth,2);% 真实值gridon;holdonplot
8、(Ex_PDA(1,i),Ey_PDA(1,i),r-,LineWidth,2);% 滤波值plot(Zk(1,i),Zk(2,i),*);% 实际测量值plot(Z_PDA(1,i),Z_PDA(2,i),o);% 组合测量值legend( 真实值 ,滤波值 ,实际量测 ,组合量测 );title(目标运动轨迹 );xlabel(x/m);ylabel(y/m);text(X(1,1)+1,X(3,1)+5,t=1);% 位置误差figuresubplot(211)plot(abs(error1_PDA(i),LineWidth,2);gridontitle(位置误差 );xlabel(t/
9、s);ylabel(error-x/m);subplot(212)plot(abs(error3_PDA(i),LineWidth,2);gridonxlabel(t/s);ylabel(error-y/m);% 速度误差figuresubplot(211)plot(abs(error2_PDA(i),LineWidth,2);gridontitle(速度误差 );xlabel(t/s);ylabel(error-vx/m/s);subplot(212)plot(abs(error4_PDA(i),LineWidth,2);gridonxlabel(t/s);ylabel(error-vy/m
10、/s);名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 5 页 - - - - - - - - - 二、PDA 函数functionCombine_Z,Combine_R= PDA(Z_Matrix,PZ_Matrix,Z_Predict,PZ_Predict)%概率数据关联，杂波空间密度为泊松分布随机变量%输入：%Z_Matrix ：波门内的所有有效量测值%PZ_Matrix ：有效量测值的误差方差阵%Z_Predict ：预测量测值%PZ_Predict ：预测量测值
11、的误差方差阵%输出：%Combine_R 为组合量测%Combine_R ：组合量测对应的协方差%中间变量：%beta为正确关联概率lamda=0.0004;Pd=1;% 检测概率，当不取 1时，后面的 a计算出来都是0Pg=0.9997;% 门限概率nm=size(Z_Matrix);n=nm(2);% 量测数量m=nm(1);% 测量维数fori=1:1:ne(:,i)=Z_Matrix(:,i)-Z_Predict;S(:,:,i)=PZ_Predict+PZ_Matrix(:,:,i);% 新息协方差X、R 、Q 互不相关条件下% 何友 计算方法 P115式（7.36）% a(i)=e
12、xp(-1/2)*e(i)*inv(S(i)*e(i);% bk(i)=lamda*sqrt(2*pi)*det(S(i)*(1-Pd*Pg)/Pd;% 杨万海 P86 式（3-5-7 ）a(i)=Pd*exp(-1/2)*(e(:,i)*inv(S(:,:,i)*e(:,i);bk(i)=lamda*(sqrt(2*pi)m*sqrt(det(S(:,:,i)*(1-Pd);endfori=1:1:nbeta_i(i)=a(i)/(bk(i)+ sum(a);end%扩充正确关联概率，使得每一维量测都有对应的关联概率beta= beta_i;fori=1:m-1beta=beta;beta_
13、i;endM = beta.*Z_Matrix;Combine_Z=sum(M,1);Combine_Z=Combine_Z;Combine_R=0;fori=1:nCombine_R = Combine_R + (beta(:,i)*beta(:,i).*PZ_Matrix(:,:,i);endbeta_i(n);end名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 5 页 - - - - - - - - - 三、Kalman滤波函数functionX,P,K=Kalm
14、an(X_Forward,P_Forward,Z,A,G,Q,H,R)% 卡尔曼滤波%2012.2.27% 参数说明%Z- 观测数据矢量%A- 系统模型状态矩阵%G-系统模型噪声系数矩阵%Q-系统模型噪声方差%H-量测系数矩阵%R-量测模型噪声协方差%X_Forward- 前次估计状态矢量%P_Forward- 前次估计状态协方差矩阵%X- 输出估计状态矢量%P- 输出估计状态协方差矩阵%预测X_Pre=A*X_Forward;P_Pre=A*P_Forward*A+G*Q*G;%增益矩阵K=P_Pre*H*inv(H*P_Pre*H+R);%Pzz = H*P_Forward*H+R;%S(k+1/k+1)新息协方差%Pxz = P_Forward*H;% 状态与量测之间的协方差%K = P_Forward*H*(inv(Pzz);%K(k+1) 增益%修正滤波值和误差协方差阵X=A*X_Forward+K*(Z-H*(A*X_Forward);M=K*H;n=size(M);I=eye(n);P=(I-K*H)*P_Pre*(I-K*H)+K*R*K;名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 5 页 - - - - - - - - -