Нужна помощь в реализации фильтра Калмана

[avr123-nm-ru]

и выяснил, что метод Калмана, в моем случае, не применим.

Вы это не выяснили а приняли на веру.

[Nikopol]

Уважаемый avr123-nm-ru, это уже не Вам решать на сколько я разобрался в методе и принял решение основываясь на личных выводах либо выводах других. Для меня данная ветка оказала большую помощь, не без Вашего участия тоже, и необходимых результатов я добился в рамках своей задачи. Если же Вас что то не устраивает, пожалуйсто, продолжайте тему, задавайте вопросы, я не против, наоборот будет очень интересно прочесть. ТЕм более есть пользователи готовые ответить на конкретные вопросы. Удачи!

[YuriDp]

Возможно, мой совет запоздал по времени, но он имеет достаточно универсальный характер, и, я думаю, пригодится многим. Дело в том, что в пакете MatLAB имеется огромный набор различных алгоритмов (в т. ч. и фильтра Калмана), реализованных соответствующими функциями. Самое замечательное, что все встроенные функциии реализованы в виде m-файлов, которые представляют собой обычный текстовый файл, содержащий исходный код функции на встроенном языке пакета MatLAB. Этот язык - бейсикоподобный, достаточно прост для понимания теми, кто знаком с каким-либо языком программирования. Как показывает опыт, перевод алгоритмов MatLAB'а на другие языки программирования, не вызывает каких либо затруднений. Единственная особенность - высокая степень вложенности функций - даже самые сложные функции редко когда содержат более 10 строк кода - обычно большую часть файла занимают весьма подробные комментарии. В коде функции обычно идет обращение к более низкоуровневым функциям, которые, в свою очередь обращаются к еще более низкоуровневым функциям и т. д. Поэтому для полного раскрытия алгоритма приходится иногда проходить от 5 до 10, а иногда - и более уровней.

[Aledio]

Доброго времени суток. В одном иностранном источнике наткнулся на применение Information filter в задаче навигации. Из того, что удалось понять - это фильтр, который проще фильтра Калмана и в некоторых случаях его использование более оправдано. Знаний, чтобы корректно перевести англоязычный источник не хватает. Начал искать русскоязычные публикации по этому фильтру, но по запросу "информационный фильтр" ничего толкового не находит. Может кто-то сталкивался с этим фильтром и может посоветовать русскоязычную литературу? Или же возможно подскажет, как в русскоязычных публикациях интерпретируется Information filter.

[Alecsej]

А на русском все, что публикуется выходит в основном на бумаге.
http://www.elektropribor.spb.ru/publ/rpubl
эти товарищи конференции проводят и сборник к ним выпускают.
Там на русском кое-что полезного можно почерпнуть.
Привыкайте к английскому и японскому.

Information filter

In the information filter, or inverse covariance filter, матрицы ковариации и вектора состояния заменяются информационной матрицей и информационным вектором соответственно. These are defined as:

...


Главный плюс information filter N измерений обрабатываются на каждом шагепросто суммированием информационных матриц и векторов.

[whoim]

.h

#ifndef _KALMAN
#define _KALMAN

#include ‹avr\io.h›

typedef struct {
	double q; //process noise covariance
	double r; //measurement noise covariance
	long double x; //value
	double p; //estimation error covariance
	double k; //kalman gain
	uint8_t i; //init flag
} kalman_state;

kalman_state kalman_init(double q, double r, double p, long double intial_value);
void kalman_update(kalman_state *state, long double measurement);

#endif

.c

#include "kalman.h"

kalman_state kalman_init(double q, double r, double p, long double intial_value)
{
	kalman_state result;
	result.q = q;
	result.r = r;
	result.p = p;
	result.x = intial_value;
	result.i = 1;

	return result;
}

void kalman_update(kalman_state *state, long double measurement)
{
	//prediction update
	//omit x = x
	state-›p = state-›p + state-›q;

	//measurement update
	state-›k = state-›p / (state-›p + state-›r);
	state-›x = state-›x + state-›k * (measurement - state-›x);
	state-›p = (1 - state-›k) * state-›p;
}

#define kalman_q 0.0000000001
#define kalman_r 0.000001
#define kalman_p 1

 x = kalman_init(kalman_q, kalman_r, kalman_p, xxx);
or
 kalman_update(&x, xxx);

[miwutka]

Мужики спидометр по датчику скорости работает супер. А вот тахометр подключил - он скачет сильно и когда газ нажимаешь не реагирует особо. Непойму что тахометр работать не будет?? Когда на ИНТ0 подключал то конечно работало. Делал подсчет импульсов. А тут такое не прокатит??? Вроде ж тожесамое....

[miwutka]

не в той теме написал, сорри ))

[Easyrider83]

А вот мой калман:

void KalmanFloatCalc (KalmanFloatStructTypeDef * KalmanFloatStruct)
{
  KalmanFloatStruct-›Result = KalmanFloatStruct-›K * KalmanFloatStruct-›Value;
  KalmanFloatStruct-›Value = 1.0 - KalmanFloatStruct-›K;
  KalmanFloatStruct-›Previous *= KalmanFloatStruct-›Value;
  KalmanFloatStruct-›Result += KalmanFloatStruct-›Previous;
  KalmanFloatStruct-›Previous = KalmanFloatStruct-›Result;
}

typedef struct
{
  float Result;                 //результирующее значение
  float Value;                  //исходное значение
  float Previous;               //результат вычисления в предыдущей интерации
  float K;                      //коэффициент стабилизации, по-умолчанию = 0.1
}KalmanFloatStructTypeDef;