www.pudn.com > Kalman-filtering_track-fusion_.zip > filter_result.m, change:2015-04-29,size:1516b


function [XER,YER]=filter_result(Ts,mon,d) 
% filter_result 对观测数据进行卡尔曼滤波,得到预测的航迹以及估计误差的均值和标准差 
% Ts 采样时间,即雷达的工作周期 
% mon 进行Monte-Carlo仿真的次数 
% d 测量的误差,单位 
if nargin>3 
error('Too many input arguments.'); 
end 
offtime=800; 
% 产生理论的航迹 
[x,y]=trajectory(Ts,offtime); 
Pv=d*d; 
N=ceil(offtime/Ts); 
randn('state',sum(100*clock)); % 设置随机数发生器 
for i=1:N 
vx(i)=d*randn(1); % 观测噪声,两者独立 
vy(i)=d*randn(1); 
zx(i)=x(i)+vx(i); % 实际观测值 
zy(i)=y(i)+vy(i); 
end 
% 产生观测数据 
for n=1:mon 
% 用卡尔曼滤波得到估计的航迹 
XE=Kalman_filter(Ts,offtime,d,0); 
YE=Kalman_filter(Ts,offtime,d,1); 
%误差矩阵 
XER(1:N,n)=x(1:N)-(XE(1:N))'; 
YER(1:N,n)=y(1:N)-(YE(1:N))'; 
end 
%滤波误差的均值 
XERB=mean(XER,2); 
YERB=mean(YER,2); 
%滤波误差的标准差 
XSTD=std(XER,1,2); % 计算有偏的估计值,flag='1' 
YSTD=std(YER,1,2);%作图 
figure 
plot(x,y,'r');hold on; 
plot(zx,zy,'g');hold on; 
plot(XE,YE,'b');hold off; 
axis([1500 5000 1000 10000]),grid on; 
legend('真实轨迹','观测数据','滤波估计'); 
figure 
subplot(2,2,1) 
plot(XERB) 
axis([0 500 -50 50]) 
xlabel('观测次数') 
ylabel('X方向滤波误差均值'),grid on; 
subplot(2,2,2) 
plot(YERB) 
axis([0 500 -50 50]) 
xlabel('观测次数') 
ylabel('Y方向滤波误差均值'),grid on; 
subplot(2,2,3) 
plot(XSTD) 
axis([0 500 0 150]) 
xlabel('观测次数') 
ylabel('X方向滤波误差标准值'),grid on; 
subplot(2,2,4) 
plot(YSTD) 
axis([0 500 0 150]) 
xlabel('观测次数') 
ylabel('Y方向滤波误差标准值'),grid on; 
X=XER;Y=YER;