卡尔曼滤波器在温度测量抗干扰中的实际应用效果

double CSerialCtrlDemoDlg::KalmanFilter(KalmanInfo* kalmanInfo, double lastMeasurement)
{
	//预测下一时刻的值
	//x的先验估计由上一个时间点的后验估计值和输入信息给出，此处需要根据基站高度做一个修改
	double predictValue = kalmanInfo->A* kalmanInfo->filterValue;   
	
	//求协方差
	kalmanInfo->P = sqrt(kalmanInfo->A * kalmanInfo->A * kalmanInfo->P * kalmanInfo->P + kalmanInfo->Q * kalmanInfo->Q );  //计算先验均方差 p(n|n-1)=A^2*p(n-1|n-1)+q

	double preValue = kalmanInfo->filterValue;  //记录上次实际坐标的值
 
	//计算kalman增益
	kalmanInfo->kalmanGain = sqrt( (kalmanInfo->P * kalmanInfo->P * kalmanInfo->H * kalmanInfo->H) / (kalmanInfo->P * kalmanInfo->P * kalmanInfo->H * kalmanInfo->H + kalmanInfo->R * kalmanInfo->R) );  //Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R)
	
	//修正结果，即计算滤波值
	kalmanInfo->filterValue = predictValue + (lastMeasurement - predictValue) * kalmanInfo->kalmanGain;  //利用残余的信息改善对x(t)的估计，给出后验估计，这个值也就是输出  X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1))
	
	//更新后验估计
	kalmanInfo->P = (1 - kalmanInfo->kalmanGain * kalmanInfo->H) * kalmanInfo->P;//计算后验均方差  P[n|n]=(1-K[n]*H)*P[n|n-1]

	return  kalmanInfo->filterValue;
}

/*** @brief Init_KalmanInfo 初始化滤波器的初始值* @param info 滤波器指针* @param Q 预测噪声方差 由系统外部测定给定* @param R 测量噪声方差 由系统外部测定给定*/void CSerialCtrlDemoDlg::Init_KalmanInfo(KalmanInfo* info, double Q, double R){info->A = 1; //标量卡尔曼info->H = 1; //info->P = 3; //后验状态估计值误差的方差的初始值（不要为0问题不大）info->Q = Q; //预测（过程）噪声方差 影响收敛速率，可以根据实际需求给出info->R = R; //测量（观测）噪声方差 可以通过实验手段获得info->filterValue = 23; // 测量的初始值}

一直都想看看kalman滤波器在数据滤波的实际效果。近期在一个温度控制应用项目里，通过 博主这篇文章 ，反复看了好多遍，又在chamber采集了实际的温度数据。在原始数据里认为添加了一些扰动，滤波器处理效果如下