多模式卡尔曼滤波算法（IMMKF）

非常好用的多模式卡尔曼滤波算法 对于初学多模式和卡尔曼相结合的人来说是很有帮助的

function XE=currentmodel（TFlagNzxzyd） 
% Kalman_filter             采用Kalman滤波方法，从观测数值中得到航迹的估计 
% T                        采样时间，即雷达工作周期 
% N                       采样点数。 
% zxzy                    观测数据 
% d                         噪声的标准差值 
% Flag                      判断计算x轴或y轴数据‘0‘--x‘1‘--y 
if nargin>6 
    error（‘输入的变量过多，请检查‘）; 
end 
 
 
 
 
 
randn（‘state‘sum（100*clock））; % 设置随机数发生器 
Xest=zeros（31）; % 用前k-1时刻的输出值估计k时刻的预测值 
Xfli=zeros（31）; % k时刻Kalman滤波器的输出值 
Xes=zeros（31）; % 预测输出误差 
Xef=zeros（31）; % 滤波后输出的误差 
Pxe=zeros（31）; % 预测输出误差均方差矩阵  
Px=zeros（31）;  % 滤波输出误差均方差矩阵 
XE=zeros（1N）; % 得到最终的滤波输出值，仅仅考虑距离分量 
%################################################### 
 
 %###################################################    
  
% $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ 
% 定义系统的状态方程及初始化 
a=1/20;am2=-100;am1=100;Pv1=4;%am2为最小加速度am1为最大加速度. 
P1=（-1+a*T+exp（-a*T））/（a*a）; 
P2=（1-exp（-a*T））/a; 
P3=exp（-a*T）; 
Fk=[1 T P1;0 1 P2;0

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3956  2009-08-28 13:07  IMMKF\current.m

     文件       1571  2009-08-28 13:08  IMMKF\filter_result.m

     文件       2574  2009-08-28 13:09  IMMKF\kf.m

     文件       4788  2009-08-28 13:09  IMMKF\real_track.m

     目录          0  2009-08-28 13:09  IMMKF

----------- ---------  ---------- -----  ----

                12889                    5