本文所述的MATLAB代码实现了粒子滤波（PF）与自适应粒子滤波（APF）在三维动态系统状态估计中的对比。
如需定制、答疑，可通过文末卡片联系作者
文章目录
代码结构介绍
环境和参数设置
-
环境清理：用于清理 MATLAB 的工作环境，确保每次运行时的状态一致。
-
参数设置：定义了粒子滤波的基本参数，包括粒子数、过程噪声和观测噪声的协方差矩阵、真实状态及观测值的初始化。
生成真实状态和观测值
- 状态更新：通过给定的动态模型更新真实状态，计算观测值并添加噪声。
粒子滤波（PF）实现
- 预测、权重计算与重采样：实现了粒子滤波的核心步骤，包括对粒子的状态进行预测、计算与观测值的距离、更新权重以及重采样。
自适应粒子滤波（APF）
- 自适应调整：在计算权重后，根据估计值与观测值的差异自适应地更新观测噪声的协方差。
结果可视化与输出
- 绘图：绘制真实状态和滤波后的状态，展示不同滤波器的效果。
- 误差分析：计算并输出未滤波、PF 和 APF 状态估计的误差。
运行结果
运行界面截图：
三维状态曲线：
误差曲线：
误差统计特性（命令行截图）：
代码与详细讲解：https://blog.csdn.net/callmeup/article/details/144676130?spm=1011.2415.3001.5331