信息处理 - 如何确定卡尔曼滤波器中的初始值 - 吾爱随笔录

我有 EEG 信号并从中提取 PSD 特征，然后必须对其应用降噪算法，我使用卡尔曼滤波器，

但是论文中的输出信号比我的输出要平滑得多，并且
在我的情况下，垂直轴不同

我认为这是因为卡尔曼滤波器初始化；初始状态和预测。

这是我的输出和纸张输出。

论文输出：
矿：

这是MATLAB代码：

N = length(z);          % number of Klamn filter iterations
Qfactor = 1;            % process noise mult factor
Rfactor = 1;          % measurement noise mult factor
F = [ 1   2            % update matrix  
      0   1 ];
H = [ 1   0 ];            % measurement matrix
sigmaQ = 5e-5;  
sigmaR = 1;
Q = sigmaQ^2 * [ 8/3  2     % process noise covariance matrix
                  2   2 ];
R = sigmaR^2 * [ 1 ];         % measurement noise covariance
P = zeros(2, 2, N);
x = zeros(2, N);
x(:,1) = [ 0
           0 ];
P(:,:,1) = Q;

for i=2:N
    [xpred, Ppred] = predict(x(:,i-1), P(:,:,i-1), F, Q);
    [nu, S] = innovation(xpred, Ppred, z(i), H, R);
    [x(:,i), P(:,:,i)] = innovation_update(xpred, Ppred, nu, S, H);
end

情节（x（1,2：N），'b'）；

功能：

预言

函数 [xpred, Ppred] = predict(x, P, F, Q)
 xpred = F * x;
 Ppred = F * P * F' + Q；

创新：

函数 [nu, S] = 创新(xpred, Ppred, z, H, R)
 nu = z - H * xpred; %% 创新
 S = R + H * Ppred * H'; %% 创新协方差

和创新更新：

函数 [xnew, Pnew] = innovation_update(xpred, Ppred, nu, S, H)
 K = Ppred * H' * inv(S); %% 卡尔曼增益
 xnew = xpred + K * nu；%% 新状态
 Pnew = Ppred - K * S * K'; %% 新协方差