基于Matlab、VC++與PCAuto組態(tài)軟件混合編程方法的Kalman濾波器實(shí)現(xiàn)

王野

摘 要：Matlab是功能強(qiáng)大的工程計(jì)算和數(shù)據(jù)分析軟件，VC++是面向?qū)ο蟮目焖匍_(kāi)發(fā)工具，PCAuto組態(tài)軟件是面向監(jiān)控與數(shù)據(jù)采集（Supervisory Control and Data Acquisition， SCADA）的軟件平臺(tái)工具。三者結(jié)合，可以取長(zhǎng)補(bǔ)短，能開(kāi)發(fā)出處理復(fù)雜矩陣運(yùn)算且界面友好、滿足工程領(lǐng)域需要的應(yīng)用軟件。本文探討了三者混合編程的詳細(xì)實(shí)現(xiàn)過(guò)程，通過(guò)一個(gè)Kalman濾波實(shí)例，說(shuō)明了實(shí)現(xiàn)混合編程方法的過(guò)程和實(shí)用性。

關(guān)鍵詞：Kalman濾波；VC++；Matlab；PCAuto；混合編程

1 引言

濾波問(wèn)題是如何從被噪聲污染的觀測(cè)信號(hào)中過(guò)濾噪聲，盡可能消除或減小噪聲影響，求未知真實(shí)信號(hào)或系統(tǒng)狀態(tài)的最優(yōu)估計(jì)。由于信號(hào)和噪聲往往是多維非平穩(wěn)隨機(jī)過(guò)程，因此1960年初Kalman[1，2]用時(shí)域上的狀態(tài)空間方法提出了Kalman濾波理論，提出了便于計(jì)算機(jī)上遞推實(shí)現(xiàn)的Kalman濾波算法，解決了多維非平穩(wěn)隨機(jī)信號(hào)的濾波問(wèn)題。我們基于Kalman濾波算法用Matlab實(shí)現(xiàn)仿真，通過(guò)VC將Matlab與組態(tài)軟件進(jìn)行互聯(lián)，最終通過(guò)組態(tài)軟件來(lái)實(shí)現(xiàn)Kalman濾波器。

2 理論依據(jù)

考慮用如下?tīng)顟B(tài)空間模型描寫(xiě)的動(dòng)態(tài)系統(tǒng)

其中t為離散時(shí)間，系統(tǒng)在時(shí)刻t的狀態(tài)為x（t）∈Rn，y（t）∈Rm為對(duì)狀態(tài)的觀測(cè)信號(hào)，方差為Q的輸入白噪聲w（t）∈Rr，方差為R的觀測(cè)白噪聲v（t）∈Rm，且w（t）和v（t）不相關(guān)。？椎，，H分別為已知的適當(dāng)維矩陣。由[1，2]我們易知該系統(tǒng)的最優(yōu)狀態(tài)濾波方程組為：

3 用Matlab實(shí)現(xiàn)Kalman濾波器仿真

在系統(tǒng)（1）和（2）中取？椎= 0.9 0-0.5 0.2，？祝=12，H=[1 1]，Q=0.81， R=1?；贙alman濾波原理（3）-（8）， 通過(guò)Matlab在計(jì)算機(jī)上實(shí)現(xiàn)Kalman濾波器的仿真。

具體m文件源代碼如下：

for i=1：bushu

[x1（：，i+1）]=mult（fai，x（：，i））；

[wa]=mult（tao，w（i））；

[x（：，i+1）]=add（x1（：，i+1），wa）；

[hx]=mult（H，x（：，i+1））；

[y（i）]=add（hx，v（i））；

[xjian（：，i+1），p]=kkmm（n，fai，tao，H，Q，R，p，xjian（：，i），y（i））；

End

其中，調(diào)用了mult（），add（），kkmm（）這三個(gè)函數(shù)，這些都是預(yù)先編寫(xiě)好的。kkmm.m是整個(gè)程序的主要部分，即Kalman濾波算法。運(yùn)行結(jié)果如圖1和圖2所示，其中實(shí)現(xiàn)表示真實(shí)狀態(tài)，虛線表示估計(jì)狀態(tài)。

4 VC++與Matlab混合編程的應(yīng)用

VC++[3]具有很多的優(yōu)點(diǎn)，但對(duì)于一些比較復(fù)雜的工程計(jì)算程序，編寫(xiě)起來(lái)比較困難。Matlab語(yǔ)言是一種高級(jí)矩陣語(yǔ)言，對(duì)于一些復(fù)雜的運(yùn)算有直接的函數(shù)可以調(diào)用，提高了編程的效率。

4.1 應(yīng)用實(shí)例（Kalman濾波器）

建立一個(gè)基于對(duì)話框的MFC應(yīng)用程序Kalman，通過(guò)制作一個(gè)曲線控件[3]，可以清楚地看到xi（t）和 i（t|t）走勢(shì)。

其中，使用了WM_TIMER響應(yīng)函數(shù)。運(yùn)行結(jié)果如圖3所示，其中黃線表示真實(shí)狀態(tài)x（t）紅線表示估計(jì)狀態(tài) （t|t）。

5 實(shí)現(xiàn)VC++與組態(tài)軟件的數(shù)據(jù)通訊

建立一個(gè)基于對(duì)話框的MFC程序VMP，按照本文4.2節(jié)提到的方法，將Kalman濾波器添加到當(dāng)

前工程中。其中響應(yīng)函數(shù)CVMPDlg：：OnTimer（UINT nIDEvent）的主要源代碼如下：

for（int i = 0；i

{ CString strTagPar，strVal；

XEstrTagPars.GetSubStr（i，strTagPar）；

pTagPars[i].vt = VT_BSTR；

pTagPars[i].bstrVal = strTagPar.AllocSysString（）；

XEstrVals.GetSubStr（i，strVal）；

pVals[i].vt = VT_BSTR；

pVals[i].bstrVal = strVal.AllocSysString（）；}

m_pDbCom->SetStringData（iTagParCount，pTagPars，pVals）；

for （i = 0； i < iTagParCount； i++）

{ SysFreeString（pTagPars[i].bstrVal）；

SysFreeString（pVals[i].bstrVal）；}

delete pTagPars； delete pVals；

然后（t|t）可以通過(guò)上述源代碼進(jìn)行數(shù)據(jù)傳遞，將數(shù)據(jù)從Matlab通過(guò)VC++傳到組態(tài)軟件當(dāng)中去。

6 結(jié)論

通過(guò)上述方法，可以將Kalman濾波器應(yīng)用到現(xiàn)場(chǎng)中，廣泛應(yīng)用在信號(hào)處理、通信、目標(biāo)跟蹤和控制等領(lǐng)域。VC++是Matlab與組態(tài)軟件結(jié)合的橋梁，從而擴(kuò)大了Matlab的應(yīng)用范圍。因此如何在特定的情況下使用最好的實(shí)現(xiàn)方法非常重要，隨著數(shù)據(jù)接口的進(jìn)一步改善，混合編程將在工程應(yīng)用中發(fā)揮其越來(lái)越重大的作用。

參考文獻(xiàn)

[1]Kalman R E. A New Approach to Linear Filtering and Predictioning Problems.Trans.ASME，J.Basic Eng.，1960，82D：34-45.

[2]鄧自立，王欣，高媛.建模與估計(jì)（第二版）[M].北京：科學(xué)出版社，2016.

[3]王東華，李櫻.VisualC++6.0從入門(mén)到精通[M].北京：人民郵電出版社，2016.

[4]江澤林，劉維.實(shí)戰(zhàn)MATLAB文件與數(shù)據(jù)接口技術(shù)[M].北京：北京航空航天大學(xué)出版社，2014.

[5]張瓊瓊，馬躍，王志成.組態(tài)式人機(jī)界面編輯與仿真技術(shù)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015（04），26-31.

[6]鄧云偉，杜衛(wèi)星，楊光玲.基于組態(tài)軟件和FP23智能儀表的溫度監(jiān)控系統(tǒng)設(shè)計(jì)[J].價(jià)值工程.2013（20），208-210.