资源描述:
《毕业设计(论文)-基于嵌入式系统的kalman滤波器的设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、本科毕业设计基于嵌入式系统的Kalman滤波器的设计XXXxxxx指导教师XX讲师学院名称电子工程学院专业名称电子信息工程论文提交日期2016年5月11日论文答辩日期2016年5月12日I摘要20世纪60年代,卡尔曼滤波方法由R.E.Kalman提出,此方法克服了经典维纳滤波算法的局限。卡尔曼滤波是最优化的自回归数据处理算法,其滤波标准是均方误差最小,从而实现递推估计。在时域内,此算法选用状态空间方法来设计滤波器,能对多维系统和非平稳系统的随机过程进行估计。卡尔曼滤波器因其自身的优点:递归运算、计算简单、自适应性、前瞻性等,能够对随机干扰下的线性动态系统进行最优估计,因而有着广泛的
2、应用。卡尔曼滤波已经被广泛应用于导航、制导、通信工程、故障诊断、语音信号处理、工业过程控制等许多领域。但在实际工程应用中,例如语音增强系统中,往往存在着滤波发散以及不能满足实时性要求等问题。为此,本论文在综合分析导致卡尔曼滤波发散的诸多原因及其抑制方法,阐述并比较了卡尔曼滤波器几种常见的实现方式,确定利用FPGA硬件来实现卡尔曼滤波器设计。对卡尔曼滤波算法的公式进行分解处理,利用MATLAB来建立模型对包含过程噪声的信号进行滤波实验。通过模型仿真,验证了卡尔曼滤波器的有效性。关键词:卡尔曼滤波器系统仿真FPGAIVKalmanfilterdesignbasedonembeddeds
3、ystemXXX(CollegeofEngineering,SouthChinaAgriculturalUniversity,Guangzhou,China)Abstract:Inthe1960s,kalmanfilteringmethodbyR.E.Kalmanproposed,thismethodovercomesthelimitationofclassicalwienerfilteringalgorithm.Kalmanfilteringistheoptimizationofregressionalgorithmofdataprocessing,thefiltercriter
4、iaisminimummeansquareerror,soastorealizerecursiveestimate.Intimedomain,thealgorithmselectsthestatespacemethodtodesignfilter,formultidimensionalsystemandnon-stationaryrandomprocess.Kalmanfilterbecauseofitsownadvantages:recursivecomputation,simplecalculation,andadaptability,prospective,thelinear
5、dynamicsystemunderrandomdisturbancecanbetheoptimalestimation,andthushasawideapplication.Kalmanfilterhasbeenwidelyappliedinnavigation,guidance,communicationengineering,faultdiagnosis,speechsignalprocessing,industrialprocesscontrolandmanyotherfields.Butinthepracticalengineeringapplication,suchas
6、speechenhancementsystems,oftenthereisafilterdivergenceandcannotmeettherequirementofthereal-timeproblem.Therefore,inthispapercomprehensiveanalysisofthecauseofkalmanfilteringdivergenceanditsinhibitionmethod,expoundsandcomparesthekalmanfilterofseveralcommonimplementationapproach,determinetheuseof
7、FPGAhardwaretorealizethekalmanfilter.Formulaofkalmanfilteringalgorithmdecomposition,usingMATLABtobuildthemodeltocontainprocessnoisesignalfilteringexperiment.Throughthemodelsimulation,verifythevalidityofthekalmanfilter.Keywords:Kalmanfil