卡尔曼滤波算法及MATLAB实现_flyingnosky

   
同时,对当代人滤波举行了探索。,对自适应过滤和卡尔曼过滤受胎必然看法,用matlab过滤。,被发现的事物卡尔曼过滤同样的对比地耐用的,原始动机在较大的噪声中可以回复。。新学期很快即将开端了,由于TI的开拓板一向都在保持,合乎逻辑的推论是,仿真信息技术开展任命的设计作品情节被存留,虽然对使发声动机处置和过滤的默认早已更深化了。。在新学期里持续杰作!  

   
卡尔曼滤波的根本思惟是:最小均方违法作为最适度用计算机计算原则,鉴于动机和噪声的个人财产中间模仿,应用个人财产变量的用计算机计算值更新的行为或事例个人财产变量的用计算机计算,求现在时的momen的用计算机计算值,算法地面扩大的零碎方程和注意方程对必要处置的动机做出使臻于完善最小均方违法的用计算机计算。

长时期内语音动机不稳的,虽然一阶和二阶人口财产调查在独一零碎中是相近固定的。,合乎逻辑的推论是语音动机在绝对较短的时期内可以看成白噪声励磁以线性的时固定零碎增加的静态输出。承认语音动机可以意见是由AR模仿创作的。:

                     卡尔曼滤波算法及MATLAB赚得

    
时期更新的行为或事例方程:

                      卡尔曼滤波算法及MATLAB赚得

   
计量更新的行为或事例反应式:

                     卡尔曼滤波算法及MATLAB赚得

   
K(t)为卡尔曼增益,计算表情列举如下:

                        卡尔曼滤波算法及MATLAB赚得

在内的

                      卡尔曼滤波算法及MATLAB赚得           

卡尔曼滤波算法及MATLAB赚得卡尔曼滤波算法及MATLAB赚得工艺流程模仿噪声共变和测模仿噪声共变,实物测量共变可以因注意增加。,更难决定,在本试验中,将试验终结与两种方式举行了对比地。。

    
由于语音动机是短期稳固的,合乎逻辑的推论是在举行卡尔曼滤波过去的对动机举行分帧加窗容易搬运,因滤波后,对处置后的动机举行帧处置。,在这一点上的帧大量是256,帧堆叠数为12;

    
下图为原始使发声动机和加噪声后的动机随着使发声动机与经卡尔曼滤波处置后的动机:

卡尔曼滤波算法及MATLAB赚得

                               
原始使发声动机和加噪声后的动机

卡尔曼滤波算法及MATLAB赚得

                              
原使发声动机与经卡尔曼滤波处置后的动机

Matlab次赚得列举如下:

%%%%%%%%%%%%%%%%%鉴于LPC全最高的模仿的最大后验概率用计算机计算法,采取卡尔曼滤波%%%%%%%%%%%%%%

clear;

clc;

%%%%%%%%%%%%%%%%%%%%%%%%%%%装填使发声信息%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

load voice.mat

y=M1(2),:);

x=y+*randn(1,大量(Y)

%%%%%%%%%%%%%%%原使发声动机和加噪声后的动机%%%%%%%%%%%%%%%

图(1)

子地块(211);地块(M1(1),:),M1(2),:));xlabel(”时期”);ylabel(”射程”);title(”原使发声动机”);

子地块(212);地块(M1(1),:),x);xlabel(”时期”);ylabel(”射程”);title(”加噪声后的动机”);

%%%%%%%%%%%%%%%%%%%%%%%%%输出限制因素%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

Fs=44100;                 
    动机采样频率

bits=16;            
    动机采样位

N=256;                     
%帧长

m=N/2;                     
每帧换挡间隔

lenth=length(x);           
输出动机大量

count=floor(lenth/m)-1;    
必要换挡以处置全体动机的帧数为%。泽尔

p=11;
                       
    AR模仿次

a=zeros(1,p);

w=hamming(N);
             
    Gahamming窗口有或起作用

y_temp=0;

F=zeros(11,11);
     
    %转变矩阵

F(1,2)=1;

F(2,3)=1;

F(3,4)=1;

F(4,5)=1;

F(5,6)=1;

F(6,7)=1;

F(7,8)=1;

F(8,9)=1;

F(9,10)=1;

F(10,11)=1;

H=zeros(1,p);
                  
    %

S0=zeros(p,1);

P0=zeros(p);

S=zeros(p);

H(11)=1;

s=zeros(N,1);

G=H”;

P=zeros(p);

%%%%%%%%%%%%%%%%棘手的噪声共变%%%%%%%%%%%%%%%%%%%%%%

y_temp=cov(x(1:7680));

x_frame=zeros(256,1);

x_frame1=zeros(256,1);

T=zeros(lenth,1);

for r=1:count

%%%%%%%%%%%%%%%%%%%5%%%%%分帧处置%%%%%%%%%%%%%%%%%%%%%

       
x_frame=x((r-1)*m+1:(r+1)*m);

%%%%%%%%%%%%%%%%采取LPC模仿求转变矩阵限制因素%%%%%%%%%%%%%%   

         
if r==1

          
[a,vs]=lpc(x_帧,p);  

      
  else 

          
[a,VS]=lpc(T((r-2)*m+1:(r-2)*m+256),p);

       
end

%%%%%%%%%%%%%%%%帧长内工艺流程噪声共变%%%%%%%%%%%%%%%%%%

       
if
(VS-y_temp>0)   

           
VS=VS-y_temp;

       
else 

           
VS=

       
end

       
F(p,:)=-1*a(p+1:-1:2);

       
for j=1:256

           
if(j==1)

           
S=F*S0;

           
Pn=F*P*F”+G*VS*G”;

           
else 

           
S=F*S;     
时期更新的行为或事例方程

           
Pn=F*P*F”+G*VS*G”;

           
end

           
K=Pn*H”*(y_temp+H*P*H”).^(-1); %卡尔曼增益

           
P=(眼(P)-K*H)*PN
                
   %计量更新的行为或事例反应式

           
S=S+K*[x_frame(j)-H*S];

           
T((r-1)*m+j)=H*S;

       
end

%%%%%%%%%%%%%%%%对增加的每帧信息举行加窗容易搬运%%%%%%%%%%%%%%%%%%%%%%%%

       
不锈钢(1:256,r)=T((r-1)*m+1:(r-1)*m+256);

        
s不锈钢(1:256,r)=不锈钢(1:256,r).*w;

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%合帧容易搬运%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

        
for r=1:count

        
    if r==1

           
s_out(1:128)=sss(1:128,r);

        
   else if r==count

           
s_out(r*m+1:r*m+m)=sss(129:256,r);

        
   else

        
   
s_out(((r-1)*m+1):((r-1)*m+m))=sss(129:256,r-1)+sss(1:128,r);

        
    end

        
   end

      
end

图(2)

子地块(211);地块(M1(1),:),M1(2),:));xlabel(”时期”);ylabel(”射程”);title(”原使发声动机”);

子地块(212);地块((1:1109760)/F,s_out);xlabel(”时期”);ylabel(”射程”);title(”经卡尔曼滤波后的使发声动机”);

装填中,请稍等。

This entry was posted in ca88. Bookmark the <a href="https://www.bysjsm.com/ca88/6337.html" title="Permalink to 卡尔曼滤波算法及MATLAB实现_flyingnosky" rel="bookmark">permalink</a>.

发表评论

电子邮件地址不会被公开。 必填项已用*标注