Schönen Guten Abend, ich befasse mich zur Zeit mit Radarsignalverarbeitung... Eigentlich endet meine Arbeit nach der Erstellung von Range / Dopplermatrizen, bzw der Winkelschätzung. Ich bin aber inzwischen neugierig geworden wie es weiter geht, und in der Signalverarbeitungskette wäre der nächste konseqeunte Schritt ein Tracking verfahren wie der Kalmanfilter. Ich hatte das irgendwann mal in Systemtheorie, jedoch fehlt mir das Wissen um dies direkt auf R/D Matrizen anzuwenden. Daher meine Frage hat jemand hier Erfahrungen, und könnte mir etwas auf die Sprünge helfen wie man eine generelle KF Implementierung auf das Problem anpassen könnte? Eine Allgemeine Implementierung habe ich z.B. hier gefunden.... http://www.kalman-filter.de/kalman-filter-in-matlab-objektorientiert-klasse/ Würde mich über jegliche Anregungen freuen, gerne auch etwas persönlicher Austausch, kann dafür einiges zu Winkelschätzverfahren oder HA Algorothmen beisteuern. Grüße Sepp
Schau mal in Wikipedia nach, da sind die Grundlagen zwar nicht sehr tief, aber ausreichend für eine Implementierung und für das Nachvollziehen.
Für ein KF musst du zunächst wissen, was du willst. Ein einfacher KF berechnet einen korrigierten Zustandsvektor. Diese Korrektur ist ein gewichteter Mittelwert aus einem Zustandsraummodell und Messwerten. Du brauchst zunächst ein Zustandsraummodell. Dieses muss dein System gut beschreiben und ein Ausgang des Systems muss deine Messgröße sein. Du musst dem KF übergeben, wie sehr dein(e) Messwert(e) rauscht/en (oft als Skalar oder Vektor R genannt) und wie sehr deine Zustände rauschen (oft Q genannt). Anders formuliert: wie sehr vertraust du den einzelnen Komponenten? Das KF ist im Wesentlichen der Ablauf von 5 Formeln, die du in jeder Literatur dazu findest. Das Schwierige ist das Einstellen von R und Q, ggf. noch das Finden der Anfangsbedingung. Wenn dein System zu Beginn nicht energiefrei ist, sind manche Zustände zum ersten messwert nicht 0. Also: finde zunächst ein Zustandsraummodell, dass dein System beschreibt. Wenn du nicht nur Zustände, sondern auch Parameter korrigieren willst (Beispiel: die Erdanziehungskraft variiert mit der Zeit), nimmst du das extended Kalman-Filter. Du kannst das KF aber sehr leicht zum EKF ergänzen. Es gibt aber auch noch andere Kalman-Filter, aber fang ersteinmal mit dem normalen an.
Ich hatte hier mal Matlab-Code für Kalman Filter gezeigt: Beitrag "Amplitude und Phase einer festen Frequenz bestimmen." Cheers Detlef
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.