35
基于Matlab 的空间滤波实验的计算机仿真
张奇辉,王洪,蓝发超
(华南理工大学物理科学与技术学院,广东广州 510640
摘要:利用阿贝-波特实验装置和空间滤波系统,从改变频谱入手改造一幅光学图形进行光学信息处理。在
此基础上,通过Matlab 环境编写程序完成阿贝-波特实验的物理模型的构建并进行计算机模拟实验。
关键词:计算机模拟;Matlab ;空间滤波
中图分类号:TP391.9 文献标识码:A 文章编号:1003-7551(200801-0035-04
1 引言
在工程设计领域中,人们通过对研究对象建立模型,用计算机程序实现系统的运行和得到运行结果,寻找出最优方案,然后再予以物理实现,这就是计算机仿真科学。在计算机日益普及的今天,计算机仿真技术作为虚拟实验手段已经成为计算机应用的一个重要分支。它是继理论分析和实物实验之后,认识客观规律性的新型手段。作为科学计算软件,Matlab 的特点是使用方便、输入便捷、运算功能齐全,而且有大量的函数可供使用。因此本文提出基于Matlab 软件,通过在频谱面上设置滤波器对空间频谱的处理,实现对阿贝-波特
实验装置和空间滤波系统的模拟。为了实现仿真实验操作的方便,本文设计出了图形用户可操作界面(GUI
。 2 空间滤波原理
根据阿贝成像原理,相干光学成像过程可分为两步:第一步称为分频过程,即从物平面到光源的共轭像平面或曰频谱面,由输入的物作为衍射屏对照射光波产生夫琅和费衍射;第二步称为合频或频谱综合过程,即从频谱面到输入物的共轭像平面,被分解的频谱成分经进一步的衍射后再次叠加形成输入物的共轭像。按照傅里叶变换理论,两步成像过程实际上是光学系统对携带输入物信息的二维光场的复振幅分布进行的两次傅里叶变换过程。
以图1所示4f 成像系统为例,此时输入平面O(即物平面位于透镜1L 的前焦平面,输出平面I(即像平面位于透镜1L 的后焦平面。透镜1L 和2L 分别起分频(傅里叶变换和合频(逆傅里叶变换作用。设输入图像的复振幅分布为,(y x g ,透镜1L 后焦平面T(即频谱面上的复振幅分布为,(ηξG ,按照傅里叶光学理论,当1L 的孔径无限大时,函数,(ηξG 即等于,(y x g 的傅里叶变换,而,(y x g 为,(ηξG 的傅里叶逆变换,即
(,(,exp i2(d d x y x y G f f g x y f x f y x y π∞
?∞
??=?+??∫∫(1 (,(,exp[i2(]d d g x y G x y ξηπμνμν∞∞
?∞?∞=+∫∫ (2
其中/f μξλ=,/f νηλ=,表示光场(,G ξη的空间频率。设(','g x y 为透镜2L 后焦平面I(输出平面上的复振幅分布,同样,当2L 的孔径无限大时,(','g x y 就等于的傅里叶变换:
(','(,exp[i2('']d d g x y G x y ξηπμνμν∞∞?∞?∞=
+∫∫ (3
可以得 (','(,g x y g x y ∝?? (4
即输出图像是输入图像的倒置,且在几何上相似。
现如果在频谱平面T 上插入一衍射屏,并设其复振幅透射率函数为(,T ξη,则透过衍射屏的光场复振幅分布为:
'(,(,(,G G T ξηξηξη= (5
经过透镜2L 变换后,在像平面上便得到经过衍射屏调制后的输出图像的光场复振幅分布:
111'(','{'(,}{(,}*{(,}g x y F G F G F T ξηξηξη???== (6 * 收稿日期:2008-01-10
这种用于调制图像频谱分布的衍射屏通常称为空间滤波器。
图1 4f相干光学处理系统
3 空间滤波仿真过程
空间滤波的仿真过程主要步骤为图像的频谱矩阵与滤波器矩阵的数值计算过程。但是在进行计算前,必须先确定滤波器的矩阵大小,paddedsize(为求图像的大小的函数,dftfilt(为自制滤波函数,fft2(f, size(H, 1, size(H, 2是对图像矩阵先进行删节或增加零,使其成为与H大小相同的矩阵,然后再进行二维傅里叶变换,然后把变换后的频谱矩阵与滤波器矩阵进行数值计算,相应的位置的元素进行相乘,得到的新矩阵即为滤波后的结果图像的频谱矩阵。
3.1 低通滤波仿真
用一张图片作为物,放置于输入平面,用一束单色平行光垂直照射该图片,经透镜作用在频谱面上形成分立的光衍射谱。如果在频谱面上安置一个可调直径的圆孔作为滤波器,以提取不同的衍射斑,则在输出平面上能观察到变化的图像。图2显示了在频谱面上放置低通滤波器时,在输出面上像场的变化情况。仿真程序如下:
Image = imread(FileFullname;
PQ = paddedsize(size(Image;
D0 = scale*PQ(2;
H =lpfilter('gaussian', PQ(1,PQ(2,D0;
H1 = ifftshift(H;
RImage =dftfilt(Image,H;
RImage = im2uint8(mat2gray(RImage;
axes(handles.axes_outputImage;
imshow(RImage;
axes(handles.axes_filter;
imshow(H1;
具体的滤波过程如上面分析,先根据图像的大小确定滤波器的大小,然后相应设置滤波器的参数,把相应参数应用于低通滤波器的函数lpfilter(中,然后用dftfilt(滤波函数进行滤波,再进行相应的格式转换,最后就是通过函数axes( 和imshow(在对应的坐标轴上显示处理后的结果图像和滤波器的表示图像。低通滤波的仿真过程说明了允许低频分量通过,像的边缘锐度降低。
图2 低通滤波器过滤效果36
37
图3 高通滤波器过滤效果
3.2 高通滤波仿真
高通滤波的仿真与低通滤波相似,只需要改变滤波器函数即可,即把上面程序中的低通滤波器函数lpfilter('gaussian', PQ(1,PQ(2,D0 改为
hpfilter('gaussian',PQ(1,PQ(2,D0(高通滤波器函数。图3显示了图像的变化情况。从高通滤波过程看到允许高频分量通过时,像的边缘效应增强。
3.3 带通滤波仿真
同样,把滤波器函数改为带通滤波器函数bandfilter(PQ(1,PQ(2,D1,D2,其中
D1,D2就是带通滤波器的两个重要参数,分别为两个圆半径。图4为带通滤波器过滤效果图。
图4 带通滤波器过滤效果
3.4 方向滤波仿真
方向滤波仿真程序中主要函数如下:
scale1 =-90 + str2double(get(handles.edit_FilterPara2,'String' ;
D1 = floor(2*scale*PQ(1;
D2 = scale1;
H =tapefilter(PQ(1,PQ(2,D1,D2;
其中参数D1代表方向滤波器中间的狭缝宽度,D2代表方向滤波器的旋转角度。图5为方向滤波的效果图。
图5 方向滤波的效果
可见,方向滤波器的典型特点是,只能让与狭缝垂直方向上的物频率成分通过,而滤掉了其他方向上的频谱。
4 仿真界面的设计
先设计初始界面,然后为各个控键添加代码,即相应的执行程序,并要对编辑框输入数据进行初始化。经过对程序调试,没有出现问题后,就会出现可直接对实验进行仿真操作实用界面,如图6即为低通滤波器的仿真操作界面。
图6 低通滤波仿真界面
5 总结
本实验仿真可作为光学类课程的实验室建设工作的一部分。利用这个仿真实验,通过改变实验参数,可以观察和分析不同实验条件下的光学信息处理过程,可以为实际实验前确定各参数做准备工作。另外,本课题中设计的仿真程序也可以应用教学环节,用来在课前模拟各种光学滤波的滤波结果,频谱显示以及滤波前后的图像区别,从而激发学生的学习兴趣,加深学生对相关课程的理解。
参考文献
[1]李志能. 现代光学系统原理[M]. 北京:北京理工大学出版社,2002.
[2]贺兴华,周媛媛,王继阳. Matlab7.x图像处理[M]. 北京:人民邮电出版社,2000.
[3]施晓红. 精通GUI图形界面编程[M]. 北京:北京大学出版社,2002.
[4]李志能,叶旭迥.光电信息处理系统[M]. 杭州:浙江大学出版社,1999.
[5]陈怀琛. Matlab在理工课程中的应用指南[M]. 西安电子科技大学出版社,2000.
38
空间滤波实验 实验目的 1、加深傅立叶光学基本概念和理论的理解 2、了解空间滤波实验系统 3、验证阿贝二次成像理论 实验原理 空间滤波实验也称阿贝—波特实验，属于采用滤波方法来处理光学信息的技术，其理论基础是阿贝二次成像原理。阿贝（Ernst Abbe,1840-1905），德国科学家，曾在蔡司公司任职，1873年在研究如何提高显微镜的分辨本领时，他首次提出了一个与几何光学成像传统理论完全不同的成像概念。后来，阿贝本人1893年和波特于1906年用实验验证了阿贝成像理论。阿贝理论和上述两次实验可以看作是傅立越光学的开端。阿贝成像理论的核心是：相干照明下成像过程可分做两步，首先是物面上发出的光波在物镜后焦面上发生夫琅和费衍射，得到第一次衍射像；然后，该衍射像作为新的相干波源，由它发出的次波在像面上干涉而构成物体的像，称为第二次衍射像。因此，该理论也常被称为“阿贝二次衍射成像理论”。后人称其为阿贝成像原理（Abbe’ Principle of image of formation ）。 图1是上述成像过程的示意图。其中物面()11,y x ，用相干平行光照明，在透镜后焦面即频谱面()22,y x 得到物的频谱，这是第一次成像过程，实际上是经过了一次傅立叶变换；由频谱()22,y x 而到像面()33,y x ，也是完成了一次夫琅和费衍射过程，等于又经过一次傅立叶变换。当像面取反射坐标时，后—次变换可视为傅立叶逆变换。经上述两次变换，像面上形成的是物体的像。 A B C P P 'A ' B ' C (x 2,y 2) (x 3,y 3) 图1 阿贝二次成像理论示意图 用频谱语言表达阿贝成像原理，那就是，第一步发生夫琅和费衍射，起“分频”作用，第二步发生干涉，起“合成”作用。这两个步骤本质上就是两次傅立叶变换。第一步“分频”是把物面光场的空间分布()y x g ,变为频谱面上的空间频率分布),(y x f f G 。第二步“合成”则是再作一次变换，又将),(y x f f G 还原到光场的空间()y x g ,。
计算机仿真实验报告 专业：电气工程及其自动化班级：09电牵一班学号：22 姓名：饶坚指导老师：叶满园实验日期：2012年4月30日 一、实验名称 三相桥式SPWM逆变电路仿真 二、目的及要求 1.了解并掌握三相逆变电路的工作原理； 2.进一步熟悉MA TLAB中对Simulink的使用及构建模块； 3.掌握SPWM原理及构建调制电路模块； 4.复习在Figure中显示图形的程序编写和对图形的修改。 三、实验原理与步骤、电路图 1、实验原理图
2、电路原理（采用双极性控制方式） U、V和W三相的PWM控制通常公用一个三角波载波Uc，三相的调制信号Uru、Urv和Urw依次相差120°。 电路工作过程（U相为例）：当Uru>Uc时，上桥臂V1导通，下桥臂V4关断，则U相相对于直流电源假想中点N’的输出电压Uun’=Ud/2。当Uru 对电路模型进行封装如下图示： 其中Subsystem1为主电路，Subsystem2为负载，Subsystem3为检测电路，Subsystem4为输入信号，Subsystem5为调制电路，Scope 为示波器，Repeating Sequence为三角载波。 各子系统电路分别如下所示： Subsystem1 Subsystem2 Subsystem3 一个应用实例详解卡尔曼滤波及其算法实现 标签：算法filtermatlabalgorithm优化工作 2012-05-14 10:48 75511人阅读评论(25) 收藏举报分类： 数据结构及其算法（4） 为了可以更加容易的理解卡尔曼滤波器，这里会应用形象的描述方法来讲解，而不是像大多数参考书那样罗列一大堆的数学公式和数学符号。但是，他的5条公式是其核心内容。结合现代的计算机，其实卡尔曼的程序相当的简单，只要你理解了他的那5条公式。 在介绍他的5条公式之前，先让我们来根据下面的例子一步一步的探索。 假设我们要研究的对象是一个房间的温度。根据你的经验判断，这个房间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度（假设我们用一分钟来做时间单位）。假设你对你的经验不是100%的相信，可能会有上下偏差几度。 我们把这些偏差看成是高斯白噪声（White Gaussian Noise），也就是这些偏差跟前后时间是没有关系的而且符合高斯分配（Gaussian Distribution）。另外，我们在房间里放一个温度计，但是这个温度计也不准确的，测量值会比实际值偏差。我们也把这些偏差看成是高斯白噪声。 好了，现在对于某一分钟我们有两个有关于该房间的温度值：你根据经验的预测值（系统的预测值）和温度计的值（测量值）。下面我们要用这两个值结合他们各自的噪声来估算出房间的实际温度值。 假如我们要估算k时刻的是实际温度值。首先你要根据k-1时刻的温度值，来预测k时刻的温度。因为你相信温度是恒定的，所以你会得到k时刻的温度预测值是跟k-1时刻一样的，假设是23度，同时该值的高斯噪声的偏差是5度（5是这样得到的：如果k-1时刻估算出的最优温度值的偏差是3，你对自己预测的不确定度是4度，他们平方相加再开方，就是5）。然后，你从温度计那里得到了k时刻的温度值，假设是25度，同时该值的偏差是4度。 由于我们用于估算k时刻的实际温度有两个温度值，分别是23 度和25度。究竟实际温度是多少呢？相信自己还是相信温度计呢？究竟相信谁多一点，我们可以用他们的covariance（协方差）来判断。因为Kg^2=5^2/(5^2+4^2)，所以Kg=0.78，我们可以估算出k时刻的实际温度值是：23+0.78*(25-23)=24.56度。 可以看出，因为温度计的covariance比较小（比较相信温度计），所以估算出的最优温度值偏向温度计的值。 现在我们已经得到k时刻的最优温度值了，下一步就是要进入k+1时刻，进行新的最优估算。到现在为止，好像还没看到什么自回归的东西出现。对了，在进入k+1时刻之前，我们还要算出k时刻那个最优值（24.56 度）的偏差。算法如下：((1-Kg)*5^2)^0.5=2.35。这里的5就是上面的k时刻你预测的那个23度 1.灰度变换与空间滤波 一种成熟的医学技术被用于检测电子显微镜生成的某类图像。为简化检测任务，技术决定采用数字图像处理技术。发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2 的范围，因此，技术人员想保留I1-I2 区间范围的图像，将其余灰度值显示为黑色。（5）将处理后的I1-I2 范围内的图像，线性扩展到0-255 灰度，以适应于液晶显示器的显示。请结合本章的数字图像处理处理，帮助技术人员解决这些问题。 1.1 问题分析及多种方法提出 （1）明亮且孤立的点是不够感兴趣的点 对于明亮且孤立的点，其应为脉冲且灰度值为255（uint8）噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。 均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8 个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 优点：速度快，实现简单； 缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 其公式如下： 使用矩阵表示该滤波器则为： 中值滤波： 滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其过程为： a、存储像素1，像素2 ....... 像素9 的值； b、对像素值进行排序操作； c、像素5 的值即为数组排序后的中值。优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。 缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。自适应中值滤波： 自适应的中值滤波器也需要一个矩形的窗口S xy ，和常规中值滤波器不同的是这个窗口的大小会在滤波处理的过程中进行改变(增大)。需要注意的是，滤波器的输出是一个像素值，该值用来替换点(x, y)处的像素值，点(x, y)是滤波窗口的中心位置。 其涉及到以下几个参数： 其计算过程如下： 计算机仿真技术的发展概述及认识 摘要：随着经济的发展和社会的进步，计算机技术高速发展，使人类社会进入了信息时代，计算机作为后期新秀渗入到人们生活中的每一个领域，给人们的生活带来了前所未有的变化。作为新兴的技术，计算机技术在人类研究的各个领域起到了只管至关重要的作用，帮助人类解决了许多技术难题。在科研领域，计算机技术与仿真技术相结合，形成了计算机仿真技术，作为人们科学研究的一种新型方法，被人们应用到各个领域，用来解决人们用纯数学方法或者现实实验无法解决的问题，对科研领域技术成果的形成有着积极地促进作用。 本文在计算机仿真技术的理论思想基础上，分析了计算机仿真技术产生的基本原因，也就是人们用计算机模拟解决问题的优点所在，讨论了模拟、仿真、实验、计算机仿真之间的联系和区别，介绍了计算机仿真技术的发展历程，并查阅相关资料介绍了计算机仿真技术在不同领域的应用，分析并预测了计算机仿真的未来发展趋势。经过查阅大量数据资料并加以分析对比，这对于初步认识计算机仿真技术具有重要意义。 关键词：计算机仿真；模拟；仿真技术；发展 一、引言 计算机仿真技术是以多种学科和理论为基础，以计算机及其相应的软件为工具，通过虚拟试验的方法来分析和解决问题的一门综合性技术。计算机仿真（模拟）早期称为蒙特卡罗方法，是一门利用随机数实验求解随机问题的方法。其原理可追溯到1773年法国自然学家G.L.L.Buffon为估计圆周率值所进行的物理实验。根据仿真过程中所采用计算机类型的不同，计算机仿真大致经历了模拟机仿真、模拟－数字混合机仿真和数字机仿真三个大的阶段。20世纪50年代计算机仿真主要采用模拟机；60年代后串行处理数字机逐渐应用到仿真之中，但难以满足航天、化工等大规模复杂系统对仿真时限的要求；到了70年代模拟－数字混合机曾一度应用于飞行仿真、卫星仿真和核反应堆仿真等众多高技术研究领域；80年代后由于并行处理技术的发展，数字机才最终成为计算机仿真的主流。现在，计算机仿真技术已经在机械制造、航空航天、交通运输、船舶工程、经济管理、工程建设、军事模拟以及医疗卫生等领域得到了广泛的应用。 二、基本概念 模拟：（Simulation）应用模型和计算机开展地理过程数值和非数值分析。不是去求系统方程的解析解，而是从系统某初始状态出发，去计算短暂时间之后接着发生的状态，再以此为初始状态不断的重复，就能展示系统的行为模式。模拟是对真实事物或者过程的虚拟。模拟要表现出选定的物理系统或抽象系统的关键特性。模拟的关键问题包括有效信息的获取、关键特性和表现的选定、近似简化和假设的应用，以及模拟的重现度和有效性。可以认为仿真是一种重现系统外在表现的特殊的模拟。 仿真：（Emulation）利用模型复现实际系统中发生的本质过程，并通过对系统模型的实验来研究存在的或设计中的系统，又称模拟。即使用项目模型将特定于某一具体层次的不确定性转化为它们对目标的影响，该影响是在项目仿真项目 卡尔曼滤波实验报告 捷联惯导静基座初始对准实验 一、实验目的 ①掌握捷联惯导的构成和基本工作原理； ②掌握捷联惯导静基座对准的基本工作原理； ③了解捷联惯导静基座对准时的每个系统状态的可观测性； ④了解双位置对准时系统状态的可观测性的变化。 二、实验原理 选取状态变量为：[]T E N E N U x y x y z X V V δδεεε=ψψψ??，其 中导航坐标系选为东北天坐标系，E V δ为东向速度误差，N V δ为北向速度误差，E ψ为东向姿态误差角，N ψ为北向姿态误差角，U ψ为天向姿态误差角，x ?为东向加速度偏置，y ?为北向加速度偏置，x ε为东向陀螺漂移，y ε为北向陀螺漂移，z ε为天向陀螺漂移。则系统的状态模型为： X AX W =+ (1) 其中， 1112212211 12 1321222331323302sin 000002sin 000000000sin cos 0000sin 000000cos 0000000000000000000000000000000000000000000000000000 0L g C C L g C C L L C C C L C C C L C C C A Ω-? ? ??-Ω????Ω-Ω? ?-Ω????Ω=? ?????? ?????????? ? [00000]E N E N U T V V W W W W W W δδψψψ=，E D V W W δψ 为零均值高斯 白噪声，分别为加速度计误差和陀螺漂移的噪声成分，Ω为地球自转角速度，ij C 为姿态矩 阵n b C 中的元素，L 为当地纬度。 量测量选取两个水平速度误差：[ ]T E N Z V V δδ=，则量测方程为： 10000000000100000000E E N N V X V δηδη???? ??=+???????????? (2) 即Z HX η=+ 其中，H 为量测矩阵，[]T E N ηηη=为量测方程的随机噪声状态矢量，为零均值高 斯白噪声。 要利用基本卡尔曼滤波方程进行状态估计，需要将状态方程和量测方程进行离散化。 系统转移矩阵为： 2323/1111102!3!! n n k k k k k k n T T T I TA A A A n ∞ -----=Φ=++++=∑ (3) 文件一 % THIS PROGRAM IS FOR IMPLEMENTATION OF DISCRETE TIME PROCESS EXTENDED KALMAN FILTER % FOR GAUSSIAN AND LINEAR STOCHASTIC DIFFERENCE EQUATION. % By (R.C.R.C.R),SPLABS,MPL. % (17 JULY 2005). % Help by Aarthi Nadarajan is acknowledged. % (drawback of EKF is when nonlinearity is high, we can extend the % approximation taking additional terms in Taylor's series). clc; close all; clear all; Xint_v = [1; 0; 0; 0; 0]; wk = [1 0 0 0 0]; vk = [1 0 0 0 0]; for ii = 1:1:length(Xint_v) Ap(ii) = Xint_v(ii)*2; W(ii) = 0; H(ii) = ‐sin(Xint_v(ii)); V(ii) = 0; Wk(ii) = 0; end Uk = randn(1,200); Qu = cov(Uk); Vk = randn(1,200); Qv = cov(Vk); C = [1 0 0 0 0]; n = 100; [YY XX] = EKLMNFTR1(Ap,Xint_v,Uk,Qu,Vk,Qv,C,n,Wk,W,V); for it = 1:1:length(XX) MSE(it) = YY(it) ‐ XX(it); end tt = 1:1:length(XX); figure(1); subplot(211); plot(XX); title('ORIGINAL SIGNAL'); subplot(212); plot(YY); title('ESTIMATED SIGNAL'); figure(2); plot(tt,XX,tt,YY); title('Combined plot'); legend('original','estimated'); figure(3); plot(MSE.^2); title('Mean square error'); 子文件：：function [YY,XX] = EKLMNFTR1(Ap,Xint_v,Uk,Qu,Vk,Qv,C,n,Wk,W,V); Ap(2,:) = 0; for ii = 1:1:length(Ap)‐1 Ap(ii+1,ii) = 1; 实验6-3 阿贝成像与空间滤波实验 【实验目的】 1、 通过实验了解空间频率、空间频谱的概念以及傅里叶光学的基本思想。 2、 了解阿贝成像的原理，理解透镜成像的物理过程。 3、 了解如何通过空间滤波的方法，实现对图象的改造。 【实验原理】 1、傅里叶光学变换 设有一个空间二维函数()y x g ,，其二维傅里叶变换为： ()()[]()()[] dxdy y f x f i y x g y x g F f f G y x y x +-==??∞π2exp ,,, （6-3-1） 式中x f 、y f 分别为x 、y 方向的空间频率，()y x g ,是()y x f f G ,的逆傅里叶变换，即： ()[]()()[]y x y x y x y x df df y f x f i f f G f f G F y x g +==??∞-π2exp ,,),(1 (6-3-2) 该式表示：任意一个空间函数()y x g ,可表示为无穷多个基元函数()[]y f x f i y x +π2exp 的线性叠加。()y x y x df df f f G ,是相应于空间频率为x f 、y f 的基元函数的权重，()y x f f G ,称为()y x g ,的空间频谱。 理论上可以证明，对在焦距为f 的会聚透镜的前焦面上放一振幅透过率为()y x g ,的图像作为物，并用波长为λ的单色平面波垂直照明，则在透镜后焦面()y x '',上的复振幅分布就是()y x g ,的傅里叶变换() y x f f G ,，其中空间频率x f 、y f 与坐标x '、y '的关系为： ??? ????' ='=f y f f x f y x λλ （6-3-3） 故()y x '',面称为频谱面（或傅氏面），由此可见，复杂的二维傅里叶变换可以用一透镜来实现，称为光学傅里叶变换，频谱面上的光强分布，也就是物的夫琅禾费衍射图。 2、阿贝成像原理 阿贝（E.Abbe ）在1873年提出了相干光照明下显微镜的成像原理。他认为，在相干光照明下，显微镜的成像可分为两个步骤：第一步是通过物的衍射光在物镜的后焦面上形成一个衍射图；第二步是物镜后焦面上的衍射图复合为（中间）像，这个像可以通过目镜观察到。 成像的这两个步骤本质上就是两次傅里叶变换。第一步把物面光场的空间分布()y x g ,变为频谱面上空间频率分布()y x f f G ,，第二步则是再作一次变换，又将() y x f f G ,还原到空间分布()y x g ,。 实验一 熟悉MATLAB 工作环境 16电气5班 周树楠 20160500529 一、实验目的 1.熟悉启动和退出MATLAB 软件的方法。 2.熟悉MATLAB 软件的运行环境。 3.熟悉MATLAB 的基本操作。 二、实验设备及条件 计算机一台（带有MATLAB6.0以上的软件境）。 三、实验内容 1.练习下面指令： cd,clear,dir,path,help,who,whos,save,load 。 2.建立自己的工作目录MYBIN 和MYDATA ，并将它们分别加到搜索路径的前面或者后面。 3.求23)]47(*212[÷-+的算术运算结果。 4.M 文件的建立，建立M 文件，求出下列表达式的值： ?? ????-+=++=+= 545.0212),1ln(21 185sin 2222 1i x x x z e z o 其中 5.利用MATLAB的帮助功能分别查询inv、plot、max、round函数的功能和用法。 四、运行环境介绍及注意事项 1.运行环境介绍 打开Matlab软件运行环境有图1-1所示的界面 图1-1 MATLAB的用户界面 操作界面主要的介绍如下： 指令窗（ Command Window ），在该窗可键入各种送给 MATLAB 运作的指令、函数、表达式，并显示除图形外的所以运算结果。 历史指令窗（ Command History ），该窗记录已经运行过的指令、函数、表达式；允许用户对它们进行选择复制、重运行，以及产生 M 文件。 工作空间浏览器（ Workspace Browser ），该窗口罗列出 MATLAB 工作空间中所有的变量名、大小、字节数；并且在该窗中，可对变量进行观察、编辑、提取和保存。 其它还有当前目录浏览器（ Current Directory Browser ）、 M 文件编辑 / 调试器（Editor/Debugger ）以及帮助导航/ 浏览器（Help Navigator/Browser ）等，但通常不随操作界面的出现而启动。 利用 File 菜单可方便对文件或窗口进行管理。其中 File | New 的各子菜单， M-file （ M 文件）、 Figure （图形窗口）、或 Model （ Simulink 编辑界面）分别可创建对应文件或模块。 Edit 菜单允许用户和 Windows 的剪切板交互信息。 2.在指令窗操作时应特别注意以下几点 1）所有输入的指令、公式或数值必须按下回车键以后才能执行。例如： >>(10*19+2/4-34)/2*3 （回车） ans= 234.7500 2）所有的指令、变量名称都要区分字母的大小写。 3）%作为MATLAB注释的开始标志，以后的文字不影响计算的过程。 4）应该指定输出变量名称，否则MATLAB会将运算结果直接存入默认的输出变量名ans。 5）MATLAB可以将计算结果以不同的精确度的数字格式显示，可以直接在指令视窗键入不同的数字显示格式指令。例如：>>format short (这是默认的) 6）MATLAB利用了↑↓二个游标键可以将所输过的指令叫回来重复使用。按下↑则前一次输入的指令重新出现，之后再按Enter键，即再执行前一次的指令。 LMS 自适应滤波实验报告 姓名： 学号： 日期：2015.12.2 实验内容： 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=，()t s 是宽带信号，A ，B ，1f ，2f ， ?任选 （1）要求提取两个单频信号； （2）设f f f ?+=12，要求提取单频信号()t f 22cos π，研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分，它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下，自适应滤波器通过自适应滤波算法调整滤波器系数，使得滤波器的特性随信号和噪声的变化，以达到最优滤波的效果，解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 （1） 自适应横向滤波器 所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。自适应滤波器由两个部分组成：滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应，达到最优滤波，此算法适用于平稳和非平稳随机信号，并且不要求知道信号和噪声的统计特性。 一个单输入的横向自适应滤波器的原理框图如图所示： 实际上这种单输入系统就是一个FIR 网络结构，其输出()n y 用滤波器单位脉冲响应表示成下式： ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应，令：()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示，上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出，适用于自适应线性组合器，也适用于FIR 滤波器。将上式表示成矩阵形式： X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= （2） 最小均方（LMS ）算法 Widrow 等人提出的最小均方算法，是用梯度的估计值代替梯度的精确值，这种算法简单易行，因此获得了广泛的应用。 LMS 算法的梯度估计值用一条样本曲线进行计算，公式如下： 卡尔曼滤波入门： 卡尔曼滤波是用来进行数据滤波用的，就是把含噪声的数据进行处理之后得出相对真值。卡尔曼滤波也可进行系统辨识。 卡尔曼滤波是一种基于统计学理论的算法，可以用来对含噪声数据进行在线处理，对噪声有特殊要求，也可以通过状态变量的增广形式实现系统辨识。 用上一个状态和当前状态的测量值来估计当前状态，这是因为上一个状态估计此时状态时会有误差，而测量的当前状态时也有一个测量误差，所以要根据这两个误差重新估计一个最接近真实状态的值。 信号处理的实际问题，常常是要解决在噪声中提取信号的问题，因此，我们需要寻找一种所谓有最佳线性过滤特性的滤波器。这种滤波器当信号与噪声同时输入时，在输出端能将信号尽可能精确地重现出来，而噪声却受到最大抑制。 维纳(Wiener)滤波与卡尔曼(Kalman)滤波就是用来解决这样一类从噪声中提取信号问题的一种过滤(或滤波)方法。 (1)过滤或滤波 - 从当前的和过去的观察值x(n)，x(n-1)，x(n-2)，…估计当前的信号值称为过滤或滤波; (2)预测或外推 - 从过去的观察值，估计当前的或将来的信号值称为预测或外推; (3)平滑或内插 - 从过去的观察值，估计过去的信号值称为平滑或内插; 因此，维纳过滤与卡尔曼过滤又常常被称为最佳线性过滤与预测或线性最优估计。这里所谓“最佳”与“最优”是以最小均方误差为准则的。 维纳过滤与卡尔曼过滤都是解决最佳线性过滤和预测问题，并且都是以均方误差最小为准则的。因此在平稳条件下，它们所得到的稳态结果是一致的。然而，它们解决的方法有很大区别。 维纳过滤是根据全部过去的和当前的观察数据来估计信号的当前值，它的解是以均方误差最小条件下所得到的系统的传递函数H(z)或单位样本响应h(n)的形式给出的，因此更常称这种系统为最佳线性过滤器或滤波器。 而卡尔曼过滤是用前一个估计值和最近一个观察数据(它不需要全部过去的观察数据)来估计信号的当前值，它是用状态方程和递推的方法进行估计的，它的解是以估计值(常常是状态变量值)形式给出的。因此更常称这种系统为线性最优估计器或滤波器。 维纳滤波器只适用于平稳随机过程，而卡尔曼滤波器却没有这个限制。维纳过滤中信号和噪声是用相关函数表示的，因此设计维纳滤波器要求已知信号和噪声的相关函数。 卡尔曼过滤中信号和噪声是状态方程和量测方程表示的，因此设计卡尔曼滤波器要求已知状态方程和量测方程(当然，相关函数与状态方程和量测方程之间会存在一定的关系。卡尔曼过滤方法看来似乎比维纳过滤方法优越，它用递推法计算，不需要知道全部过去的数据，从而运用计算机计算方便，而且它可用于平稳和不平稳的随机过程(信号)，非时变和时变的系统。 但从发展历史上来看维纳过滤的思想是40年代初提出来的，1949年正式以书的形式出版。卡尔曼过滤到60年代初才提出来，它是在维纳过滤的基础上发展起来的，虽然如上所述它比维纳过滤方法有不少优越的地方，但是最佳线性过滤问题是由维纳过滤首先解决的，维纳过滤的物理概念比较清楚，也可以认为卡尔曼滤波仅仅是对最佳线性过滤问题提出的一种新的算法。 卡尔曼滤波在数学上是一种统计估算方法，通过处理一系列带有误差的实际量测数据而得到的物理参数的最佳估算。例如在气象应用上，根据滤波的基本思想，利用前一时刻预报误差的反馈信息及时修正预报方程，以提高下一时刻预报精度。作温度预报一般只需要连续两个月的资料即可建立方程和递推关系。 实验七 空间频率滤波器 一、实验目的 （1）知道光信息处理的原理。 （2）掌握光信息处理的实验装置和技术。 （3）掌握基本空间滤波器的作用。 二、原理概述 用(图7-1)来说明最常见的在频域内作光信息处理的实验装置，常称为三透镜系统。三个透镜的焦距都相同为f ，两透镜之间的距离为2f 。其中插有平面，平面与相邻透镜的距离为也f 。 光信息处理的原理是基于透镜的傅立叶变换性质和谱面上的空间滤波。在(图7-1)中第一个透镜1L 把点光源变为平行光束，照射到照片（物）上，该照片置于第二个透镜2L 的前焦面上，在透镜2L 的后焦面上，可观察到照片的频谱。第三个透镜3L 把置于自己前焦面的照片频谱，又重新变换为原照片的像，像位于3L 的后焦面上。如果在谱面上采用各种不同的空间滤波器来改变照片的频谱，就能改变照片像的性质，这就是光学空间滤波过程。在谱面上插入一个滤波器，实际上是对照片的频谱进行调制，能去处或增加照片的频谱，当滤波后的频谱被透镜3L 傅里叶变换到像面上后，照片的像将发生改变，不需要的部份(例如噪声)就会被去除，或增加某些新的内容，以方便我们进行照片识别，这就叫做图像处理。其关键技术就是各种滤波器的制作和使用。本实验仅介绍几种常见的简单空间滤波器。 1． 低通和高通滤波器 如(图7-2a)所示的一中心透光的圆孔，它就 是低通滤波器。它的作用是能让低空间频率的光 波通过，而将高空间频率的光波档住。因为在频 谱面上位置坐标，越靠近光轴的点，也就是衍射 角较小的点，它的空间频率越低。当照片上有小 的霉点和灰尘时，它们的频谱会充满整个谱面， 如果使用低通滤波器，就能挡住它们的绝大部分 (图17-1)光信息处理的三透镜系统实验装置 (a)低通滤波器 (b)高通滤波器 (图17-2)低通和高通滤波器 实验七 基于Simulink 的简单电力系统仿真实验 一． 实验目的 1) 熟悉Simulink 的工作环境及SimPowerSystems 功能模块库； 2) 掌握Simulink 的的powergui 模块的应用； 3) 掌握发电机的工作原理及稳态电力系统的计算方法； 4）掌握开关电源的工作原理及其工作特点； 5）掌握PID 控制对系统输出特性的影响。 二．实验内容与要求 单机无穷大电力系统如图7-1所示。平衡节点电压044030 V V =∠?。负荷功率10L P kW =。线路参数：电阻1l R =Ω；电感0.01l L H =。发电机额定参数：额定功率100n P kW =；额定电压440 3 n V V =；额定励磁电流70 fn i A =；额定频率50n f Hz =。发电机定子侧参数：0.26s R =Ω，1 1.14 L mH =，13.7 md L mH =，11 mq L mH =。发电机转子侧参数：0.13f R =Ω，1 2.1 fd L mH =。发电机阻尼绕组参数：0.0224kd R =Ω，1 1.4 kd L mH =，10.02kq R =Ω，11 1 kq L mH =。发电机转动惯量和极对数分别为224.9 J kgm =和2p =。发电机输出功率050 e P kW =时，系统运行达到稳态状态。在发电机输出电磁功率分别为170 e P kW =和2100 e P kW =时，分析发电机、平衡节点电源和负载的电流、电磁功率变化曲线，以及发电机转速和功率角的变化曲线。 G 发电机节点 V 负 荷 l R l L L P 图 7.1 单机无穷大系统结构图 输电线路 三．实验步骤 1. 建立系统仿真模型 同步电机模块有2个输入端子、1个输出端子和3个电气连接端子。模块的第1个输入端子（Pm）为电机的机械功率。当机械功率为正时，表示同步电机运行方式为发电机模式；当机械功率为负时，表示同步电机运行方式为电动机模式。在发电机模式下，输入可以是一个正的常数，也可以是一个函数或者是原动机模块的输出；在电动机模式下，输入通常是一个负的常数或者是函数。模块的第2个输入端子（Vf）是励磁电压，在发电机模式下可以由励磁模块提供，在电动机模式下为一个常数。 在Simulink仿真环境中打开Simulink库，找出相应的单元部件模型，构造仿真模型，三相电压源幅值为4403，频率为50Hz。按图连接好线路，设置参数，建立其仿真模型，仿真时间为5s，仿真方法为ode23tb，并对各个单元部件模型的参数进行修改，如图所示。 LMS 自适应滤波实验报告 ： 学号： 日期：2015.12.2 实验容： 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=，()t s 是宽带信号，A ，B ，1f ，2f ， ?任选 （1）要求提取两个单频信号； （2）设f f f ?+=12，要求提取单频信号()t f 22cos π，研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分，它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下，自适应滤波器通过自适应滤波算法调整滤波器系数，使得滤波器的特性随信号和噪声的变化，以达到最优滤波的效果，解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 （1） 自适应横向滤波器 所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。自适应滤波器由两个部分组成：滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应，达到最优滤波，此算法适用于平稳和非平稳随机信号，并且不要求知道信号和噪声的统计特性。 一个单输入的横向自适应滤波器的原理框图如图所示： 实际上这种单输入系统就是一个FIR 网络结构，其输出()n y 用滤波器单位脉冲响应表示成下式： ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应，令： ()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示，上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出，适用于自适应线性组合器，也适用于FIR 滤波器。将上式表示成矩阵形式： X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= （2） 最小均方（LMS ）算法 Widrow 等人提出的最小均方算法，是用梯度的估计值代替梯度的精确值，这种算法简单易行，因此获得了广泛的应用。 卡尔曼，美国数学家和电气工程师。1930年5月 19日生于匈牙利首都布达佩斯。1953年在美国麻省理工学院毕业获理学士学位,1954年获理学硕士学位,1957年在哥伦比亚大学获科学博士学位。1957～1958年在国际商业机器公司(IBM)研究大系统计算机控制的数学问题。1958～1964年在巴尔的摩高级研究院研究控制和数学问题。1964～1971年到斯坦福大学任教授。1971年任佛罗里达大学数学系统理论研究中心主任，并兼任苏黎世的瑞士联邦高等工业学校教授。1960年卡尔曼因提出著名的卡尔曼滤波器而闻名于世。卡尔曼滤波器在随机序列估计、空间技术、工程系统辨识和经济系统建模等方面有许多重要应用。1960年卡尔曼还提出能控性的概念。能控性是控制系统的研究和实现的基本概念，在最优控制理论、稳定性理论和网络理论中起着重要作用。卡尔曼还利用对偶原理导出能观测性概念，并在数学上证明了卡尔曼滤波理论与最优控制理论对偶。为此获电气与电子工程师学会(IEEE)的最高奖──荣誉奖章。卡尔曼著有《数学系统概论》(1968)等书。 什么是卡尔曼滤波 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论，并导出了一套递推估计算法，后人称之为卡尔曼 滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。 释文：卡尔曼滤波器是一种由卡尔曼（Kalman）提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述，这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。 卡尔曼滤波的应用 斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表. 实验一 阿贝成像原理和空间滤波 一、实验目的 1．了解透镜孔径对成像的影响和两种简单的空间滤波。 2．掌握在相干光条件下调节多透镜系统的共轴。 3．验证和演示阿贝成像原理，加深对傅里叶光学中空间频谱和空间滤波概念的理解。 4．初步了解简单的空间滤波在光信息处理中的实际应用。 二、实验原理 1．阿贝成像原理 1873年，阿贝(Abbe)在研究显微镜成像原理时提出了一个相干成像的新原理，这个原 理为当今正在兴起的光学信息处理奠定了基 础。 如图1-1所示，用一束平行光照明物体， 按照传统的成像原理，物体上任一点都成了一 次波源，辐射球面波，经透镜的会聚作用，各 个发散的球面波转变为会聚的球面波，球面波 的中心就是物体上某一点的像。一个复杂的物体可以看成是无数个亮度不同的点构成，所有这些点经透镜的作用在像平面上形成像点，像点重新叠加构成物体的像。这种传统的成像原理着眼于点的对应，物像之间是点点对应关系。 阿贝成像原理认为，透镜的成像过程可以分成两步：第一步是通过物的衍射光在透镜后焦面(即频谱面)上形成空间频谱，这是衍射所引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相干叠加而形成物体的像，这是干涉所引起的“合成”作用。成像过程的这两步本质上就是两次傅里叶变换。如果这两次傅里叶变换是完全理想的，即信息没有任何损失，则像和物应完全相似。如果在频谱面上设置各种空间滤波器，挡去频谱某一些空间频率成份，则将会使像发生变化。空间滤波就是在光学系统的频谱面上放置各空间滤波器，去掉(或选择通过)某些空间频率或者改变它们的振幅和相位，使二维物体像按照要求得到改善。这也是相干光学处理的实质所在。 以图l-l 为例，平面物体的图像可由一个二维函数g(x,y)描述，则其空间频谱G(f x ，f y )即为g(x ，y)的傅里叶变换： 2(,)(,)(,)x y i f x f y x y G f f g x y e dxdy π∞-∞-=?? （1-1） 图1-1 阿贝成像原理 《计算机仿真》上机实验报告 姓名： 学号： 2012104021 专业：测控 班级： 12级 实验一常微分方程的求解及系统数学模型的转换一．实验目的 通过实验熟悉计算机仿真中常用到的Matlab指令的使用方法，掌握常微分方程求解指令和模型表示及转换指令，为进一步从事有关仿真设计和研究工作打下基础。 二. 实验设备 个人计算机，Matlab软件。 三. 实验准备 预习本实验有关内容（如教材第2、3、5章中的相应指令说明和例题），编写本次仿真练习题的相应程序。 四. 实验内容 1. Matlab中常微分方程求解指令的使用 题目一：请用MATLAB的ODE45算法分别求解下列二个方程。要求:1.编写出Matlab 仿真程序；2.画出方程解的图形并对图形进行简要分析；3.分析下列二个方程的关系。 1．2． 1.function fun=funl(t,x) fun=-x^2; [t,x]=ode45('fun1',[0,20],[1]); figure(1);plot(t,x); grid 2.function fun=fun2(t,x) fun=x^2; [t,x]=ode45('fun2',[0,20],[-1]); figure(2);plot(t,x); grid 题目二：下面方程组用在人口动力学中，可以表达为单一化的捕食者-被捕食者模式（例如，狐狸和兔子）。其中1x 表示被捕食者， 2x 表示捕食者。如果被捕食者有无限的食物，并且不会出现捕食者。于是有1'1x x ，则这个式子是以指数形式增长的。大量的被捕食者将会使捕食者的数量增长；同样，越来越少的捕食者会使被捕食者的数量增长。而且，人口数量也会增长。请分别调用ODE45、ODE23算法求解下面方程组。要求编写出Matlab 仿真程序、画出方程组解的图形并对图形进行分析和比较。 1.ODE45 卡尔曼滤波与组合导航》课程实验报告 实验 捷联惯导 /GPS 组合导航系统静态导航实验 实验序号 3 姓名 陈星宇 系院专业 17 班级 ZY11172 学号 ZY1117212 日期 2012-5-15 指导教师 宫晓琳 成绩 、实验目的 ① 掌握捷联惯导 /GPS 组合导航系统的构成和基本工作原理； ②掌握采用卡尔曼滤波方法进行捷联惯导 /GPS 组合的基本原理； ③掌握捷联惯导 /GPS 组合导航系统静态性能； ④了解捷联惯导 /GPS 组合导航静态时的系统状态可观测性； 、实验原理 （ 1）系统方程 X FX GW 系统噪声矢量由陀螺仪和加速度计的随机误差组成，表达式为： 2）量测方程 和 H 分别为捷联解算与 GPS 的东向速度、北向速度、天向速度、纬度、经度和高度之 差；量测矩阵 H H V H P T ，H P 03 6 diag R M H, （R N H ）cos L, 036 ， H V 033 diag 1, 1, 1 039 ，v v V E v V N v V U v L v v H 为量测噪声。 量测噪声 v E v N T v U L h x y z x y z 其中， E 、 N 、 U 为数学平台失准角； v E 、 v N 、 v U 分别为载体的东向、北向和天向速度误差； L 、 、 h 分别为纬度误差、经度误差和高度误差； x 、 y 、 z 、 x 、 y 、 z 分别为陀螺随 机常值漂移和加速度计随机常值零偏。（下 标 系统的噪声转移矩阵 G 为： E 、N 、 U 分别代表东、北、天） C b n 3 3 0 9 3 3 3 C n C b 9 3 15 6 系统的状态转移矩阵 w w w w F 组成内容为： w z F 06N 9 F S F M ，其中 F N 中非零元素为可由惯导误差模型获得。 F S C b n 3 3 0 3 3 3 3 C b n 3 3 96 量测变量 z V E V N V U L H ， ， V E 、 V N 、 V U 、 L 、 X U卡尔曼滤波算法与matlab实现
数字图像处理实验报告：灰度变换与空间滤波(附带程序,不看后悔)
计算机仿真技术的发展概述及认识
北航卡尔曼滤波课程-捷联惯导静基座初始对准实验
扩展卡尔曼滤波matlab程序
阿贝成像与空间滤波实验汇总
计算机仿真实训实验报告实验1-4
自适应滤波实验报告
卡尔曼滤波入门简介及其算法MATLAB实现代码
实验七 空间滤波实验
计算机仿真实验-基于Simulink的简单电力系统仿真参考资料
自适应滤波实验报告
卡尔曼滤波简介和实例讲解.
阿贝成像原理和空间滤波实验
计算机仿真实验报告实验
卡尔曼滤波与组合导航课程报告
相关主题
文本预览