Документация

Что необходимо знать

Чтобы завершить этот пример, у вас должно быть основное знакомство с программным обеспечением MATLAB.

Необходимые продукты

Чтобы завершить этот пример, необходимо установить следующие продукты:

Для получения инструкций по установке Продуктов Mathworks см. документацию по установке MATLAB для своей платформы. Если вы установили MATLAB и хотите проверить, который установлены другие Продукты Mathworks, введите ver в Окно Команды MATLAB.

Описание

В этом разделе описываются пример, используемый примером. Вы не должны быть знакомы с алгоритмом, чтобы завершить пример.

Пример для этого примера использует Фильтр Калмана, чтобы оценить положение объекта, перемещающегося в двумерное пространство от серии шумных входных параметров на основе прошлых положений. Радиус-вектор имеет два компонента, x и y, указывая на его горизонтальные и вертикальные координаты.

Фильтры Калмана имеют широкий спектр приложений, включая управление, обработку сигналов и обработку изображений; радар и гидролокатор; и финансовое моделирование. Они - рекурсивные фильтры, которые оценивают состояние линейной динамической системы от ряда неполных или шумных измерений. Алгоритм Фильтра Калмана полагается на представление пространства состояний фильтров и использует набор переменных, сохраненных в векторе состояния, чтобы охарактеризовать полностью поведение системы. Это обновляет вектор состояния линейно и рекурсивно использование матрицы Грина и оценки шума процесса.

Алгоритм

В этом разделе описываются алгоритм Фильтра Калмана и реализован в версии MATLAB фильтра, предоставленного этим примером.

Алгоритм предсказывает положение перемещения, основанного на объектах на его прошлых положениях с помощью средства оценки Фильтра Калмана. Это оценивает нынешнее положение путем обновления вектора состояния Кальмана, который включает положение (x и y), скорость (Vx и Vy), и ускорение (Ax и Эйе) движущегося объекта. Вектор состояния Кальмана, x_est, является персистентной переменной.

% Initial conditions
persistent x_est p_est
if isempty(x_est)
    x_est = zeros(6, 1);
    p_est = zeros(6, 6);
end

Фильтр Калмана использует законы движения оценить новое состояние:

Эти законы движения получены в матрице Грина A, который является матрицей, которая содержит содействующие значения x, y, _Vx, _Vy, _Ax и _Ay.

% Initialize state transition matrix
dt=1;
A=[ 1 0 dt 0 0 0;...
    0 1 0 dt 0 0;...
    0 0 1 0 dt 0;...
    0 0 0 1 0 dt;...
    0 0 0 0 1 0 ;...
    0 0 0 0 0 1 ];

Фильтрация процесса

Процесс фильтрации имеет две фазы:

Ссылка

Haykin, Саймон. Адаптивная теория фильтра. Верхний Сэддл-Ривер, NJ: Prentice-Hall, Inc., 1996.

Об учебных файлах

Пример использует следующие файлы:

Местоположение файлов

Учебные файлы доступны в следующей папке: docroot\toolbox\coder\examples\kalman. Чтобы запустить пример, необходимо скопировать эти файлы в локальную папку. Для инструкций смотрите Копирование Файлов Локально.

Имена и описания файлов

Смотрите также

Копирование файлов локально

Скопируйте учебные файлы в локальную рабочую папку:

Выполнение оригинального кода MATLAB

В этом примере вы работаете с функцией MATLAB, которая реализует алгоритм Фильтра Калмана, который предсказывает положение перемещения, основанного на объектах на его прошлых положениях. Прежде, чем сгенерировать код С для этого алгоритма, вы делаете версию MATLAB подходящей для генерации кода и генерируете MEX-функцию. Затем вы тестируете получившуюся MEX-функцию, чтобы подтвердить функциональность модифицированного кода. Когда вы работаете через пример, вы совершенствовали дизайн алгоритма, чтобы принять входные параметры переменного размера.

Во-первых, используйте скрипт test01.m, чтобы запустить исходную функцию MATLAB, чтобы видеть, как алгоритм Фильтра Калмана работает. Этот скрипт загружает входные данные и вызывает алгоритм Фильтра Калмана, чтобы оценить местоположение. Это затем вызывает функцию plot, plot_trajectory, который строит график траектории объекта, и Фильтр Калмана оценил положение.

 Содержимое test01. m

% Figure setup
clear all;
load position.mat
numPts = 300;
figure;hold;grid;

% Kalman filter loop
for idx = 1: numPts
    % Generate the location data
    z = position(:,idx);

    % Use Kalman filter to estimate the location
    y = kalman01(z);
    
    % Plot the results
    plot_trajectory(z,y);
end
hold;

 Содержимое plot_trajectory. m

function plot_trajectory(z,y)
title('Trajectory of object [blue] and its Kalman estimate[green]');
xlabel('horizontal position');
ylabel('vertical position');
plot(z(1), z(2), 'bx-');
plot(y(1), y(2), 'go-');
axis([-1.1, 1.1, -1.1, 1.1]);
pause(0.02);
end

Подготовка вашего компилятора C

MATLAB CODER автоматически определяет местоположение и использует поддерживаемый установленный компилятор. Для текущего списка поддерживаемых компиляторов см. Поддерживаемые и Совместимые Компиляторы на веб-сайте MathWorks.

Можно использовать mex -setup, чтобы изменить компилятор по умолчанию. См. Компилятор Значения по умолчанию Изменения (MATLAB).

Факторы для того, чтобы сделать ваш код подходящим для генерации кода

Разработка для Генерации кода.  Прежде, чем сгенерировать код, необходимо подготовить код MATLAB к генерации кода. Первый шаг должен устранить неподдерживаемые построения.

Проверка Проблемы во Время проектирования.  Существует два инструмента, которые помогают вам обнаружить проблемы генерации кода во время проектирования: анализатор кода и инструмент готовности генерации кода.

Вы используете анализатор кода в редакторе MATLAB, чтобы проверить на кодирование проблем во время проектирования, минимизируя ошибки компиляции. Анализатор кода постоянно проверяет ваш код, когда вы вводите его. Это сообщает о проблемах и рекомендует модификациям максимизировать производительность и поддерживаемость.

Чтобы использовать анализатор кода, чтобы идентифицировать предупреждения и ошибки, характерные для MATLAB для генерации кода, необходимо добавить директиву %#codegen (или прагма) к файлу MATLAB. Полный список MATLAB для сообщений анализатора кода Генерации кода доступен в настройках Анализатора КОДА MATLAB. Смотрите Выполнение Отчета Анализатора кода (MATLAB).

Инструмент готовности генерации кода экранирует код MATLAB на функции и функции, которые не поддерживаются для генерации кода. Инструмент предоставляет отчет, который перечисляет исходные файлы, которые содержат неподдерживаемые функции и функции и индикацию относительно того, сколько работает, требуется, чтобы делать код MATLAB подходящим для генерации кода.

Можно получить доступ к инструменту готовности генерации кода следующими способами:

Проверка Проблем во Время Генерации кода.  Можно использовать codegen, чтобы проверить на проблемы во время генерации кода. codegen проверяет, что ваш код MATLAB подходит для генерации кода.

Когда codegen обнаруживает ошибки или предупреждения, он автоматически генерирует сообщение об ошибке, которое описывает проблемы и обеспечивает ссылки на оскорбление код MATLAB. Для получения дополнительной информации см. Отчеты Генерации кода.

После генерации кода codegen генерирует MEX-функцию, которую можно использовать, чтобы протестировать реализацию в MATLAB.

Проверка Проблемы во Время выполнения.  Можно использовать codegen, чтобы сгенерировать MEX-функцию и проверку на проблемы во время выполнения. В моделировании код, сгенерированный для ваших функций MATLAB, включает проверки на этапе выполнения. Отключение проверок на этапе выполнения и внешних вызовов обычно приводит к оптимизированному сгенерированному коду и более быстрому моделированию. Вы управляете проверками на этапе выполнения с помощью объекта настройки MEX, coder.MexCodeConfig. Для получения дополнительной информации смотрите Проверки на этапе выполнения Управления.

Если вы сталкиваетесь с ошибками времени выполнения в своих функциях MATLAB, стек этапа выполнения появляется автоматически в Окне Команды MATLAB. Смотрите Ошибки времени выполнения Отладки.

Создание КОДА MATLAB, подходящего для генерации кода

Создание Кода, Подходящего для Генерации кода.  Чтобы изменить код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленный файл kalman02.m в вашей подпапке solutions, чтобы видеть измененный алгоритм.

Чтобы начать процесс создания вашего кода MATLAB, подходящего для генерации кода, вы работаете с файлом kalman01.m m. Этот код является версией MATLAB скалярного Фильтра Калмана, который оценивает состояние динамической системы от ряда шумных измерений.

Генерация MEX-функции Используя codegen

Поскольку C использует статический контроль типов, codegen должен определить свойства всех переменных в файлах MATLAB во время компиляции. Поэтому необходимо задать свойства всех входных параметров функции в то же время, что и вы компилируете файл с codegen.

Чтобы скомпилировать kalman02.m, необходимо задать размер входного вектора y.

Вы доказали, что пример кода Фильтра Калмана подходит для генерации кода, использующей codegen. Вы готовы начать следующую задачу в этом примере, Проверяя MEX-функцию.

Проверка MEX-функции

В этой части примера вы тестируете MEX-функцию, чтобы проверить, что это обеспечивает ту же функциональность как оригинальный код MATLAB.

Кроме того, моделирование вашего алгоритма в MATLAB прежде, чем сгенерировать код С позволяет вам обнаружить и зафиксировать ошибки времени выполнения, которые было бы намного более трудно диагностировать в сгенерированном коде C. По умолчанию MEX-функция включает проверки целостности памяти. Эти проверки выполняют границы массивов и проверку размерности и обнаруживают нарушения целостности памяти в коде, сгенерированном для функций MATLAB. Если нарушение обнаруживается, выполнение остановок MATLAB с диагностическим сообщением. Для получения дополнительной информации смотрите Проверки на этапе выполнения Управления.

Выполнение Сгенерированной MEX-функции.  Вы запускаете MEX-функцию, kalman02_mex, с помощью coder.runTest, чтобы вызвать тестовый файл, test02. Этот тестовый файл совпадает с test01, который вы использовали в Выполнении оригинального кода MATLAB за исключением того, что это вызывает kalman02 вместо kalman01.

 Содержимое test02. m

% Figure setup
clear all;
load position.mat
numPts = 300;
figure;hold;grid;

% Kalman filter loop
for idx = 1: numPts
    % Generate the location data
    z = position(:,idx);

    % Use Kalman filter to estimate the location
    y = kalman02(z);
    
    % Plot the results
    plot_trajectory(z,y);
end
hold;

coder.runTest запускает тестовый файл и заменяет вызовы алгоритма MATLAB с вызовами MEX-функции.

coder.runTest('test02','kalman02')

coder.runTest запускает MEX-функцию, kalman02_mex, с помощью тех же входных параметров, которые вы использовали в Выполнении оригинального кода MATLAB.

Тестовый скрипт запускает и строит график траектории объекта, и Фильтр Калмана оценил положение как прежде.

Вы сгенерировали MEX-функцию для своего кода MATLAB, проверили, что это функционально эквивалентно вашему оригинальному коду MATLAB и проверенное на ошибки времени выполнения. Теперь вы готовы начать следующую задачу в этом примере, Генерируя код С Используя codegen.

Чтобы проверить, что MEX-функция функционально эквивалентна вашему оригинальному коду MATLAB, вместо того, чтобы использовать coder.runTest, можно использовать опцию -test codegen. Например:

codegen  kalman02 -args {z} -test test02 -report

Используя codegen с -test опция комбинирует генерацию MEX и тестирующий за один шаг.

 Лучшая практика — разделение испытательного стенда из функционального кода

Генерация кода С Используя codegen

В этой задаче вы используете codegen, чтобы сгенерировать код С для вашего алгоритма фильтра MATLAB. Вы затем просматриваете сгенерированный код C в генерации кода, сообщают и сравнивают сгенерированный код C с оригинальным кодом MATLAB. Вы используете предоставленный скрипт сборки build02.m, чтобы сгенерировать код.

О Скрипте Сборки.  Скрипт сборки автоматизирует серию команд MATLAB, которые вы хотите выполнить неоднократно из командной строки, экономя вам время и устранение входных ошибок.

Скрипт сборки build02.m содержит:

% Load the position vector
load position.mat
% Get the first vector in the position matrix 
% to use as an example input
z = position(1:2,1);
% Generate C code only, create a code generation report
codegen -c -d build02 -config coder.config('lib') -report kalman02.m -args {z}

 Лучшая практика — генерация кода С только во время разработки

Как сгенерировать код С

Сравнение сгенерированного кода C к оригинальному коду MATLAB

Чтобы сравнить ваш сгенерированный код C с оригинальным кодом MATLAB, откройте файл C, kalman02.c и файл kalman02.m в редакторе MATLAB.

Вот некоторые важные моменты о сгенерированном коде C:

Изменение фильтра, чтобы принять входной параметр фиксированного размера

Фильтр вы продолжили работать до сих пор в этом примере, использует простой процесс пакетной обработки, который принимает входной параметр того за один раз, таким образом, необходимо неоднократно вызывать функцию для каждого входного параметра. В этой части примера вы изучаете, как изменить алгоритм, чтобы принять входной параметр фиксированного размера, который делает алгоритм подходящим для основанной на кадре обработки.

Изменение Вашего КОДА MATLAB.  Чтобы изменить код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленный файл kalman03.m в вашей подпапке решений, чтобы видеть измененный алгоритм.

Алгоритм фильтра, который вы использовали до сих пор в этом примере, принимает только один входной параметр. Можно теперь изменить алгоритм, чтобы обработать вектор, содержащий больше чем один входной параметр. Необходимо найти длину вектора и вызвать код фильтра для каждого элемента в векторе в свою очередь. Вы делаете это путем вызова алгоритма фильтра в for - цикл.

 Содержимое kalman03. m

function y = kalman03(z) %#codegen
% Initialize state transition matrix
dt=1;
A=[ 1 0 dt 0 0 0;...
    0 1 0 dt 0 0;...
    0 0 1 0 dt 0;...
    0 0 0 1 0 dt;...
    0 0 0 0 1 0 ;...
    0 0 0 0 0 1 ];

% Measurement matrix
H = [ 1 0 0 0 0 0; 0 1 0 0 0 0 ];
Q = eye(6);
R = 1000 * eye(2);

% Initial conditions
persistent x_est p_est
if isempty(x_est)
    x_est = zeros(6, 1);
    p_est = zeros(6, 6);
end

% Pre-allocate output signal:
 y=zeros(size(z));
 
for i=1:size(z,2)
    % Predicted state and covariance
    x_prd = A * x_est;
    p_prd = A * p_est * A' + Q;
    
    % Estimation
    S = H * p_prd' * H' + R;
    B = H * p_prd';
    klm_gain = (S \ B)';
    
    % Estimated state and covariance
    x_est = x_prd + klm_gain * (z(:,i) - H * x_prd);
    p_est = p_prd - klm_gain * H * p_prd;
    
    % Compute the estimated measurements
    y(:,i) = H * x_est;
end
end

Вы готовы начать следующую задачу в примере, Тестируя Ваш Измененный Алгоритм.

Тестирование Измененного Алгоритма.  Используйте тестовый скрипт test03.m, чтобы протестировать kalman03.m m. Этот скрипт устанавливает формат кадра на 10 и вычисляет количество кадров во входном параметре в качестве примера. Это затем вызывает Фильтр Калмана и строит график результатов для каждого кадра в свою очередь.

 Содержимое test03. m

% Figure setup
clear all;
% Load position data
load position.mat
% Set up the frame size
numPts = 300;
frame=10;
numFrms=300/frame;

figure;hold;grid;
% Kalman filter loop
for i = 1: numFrms
    % Generate the location data
    z = position(:,frame*(i-1)+1:frame*i);

    % Use Kalman filter to estimate the location
    y = kalman03(z);
    
    % Plot the results
    for n=1:frame
    plot_trajectory(z(:,n),y(:,n));
    end
end
hold;

В подсказке команды MATLAB войдите:

test03

Тестовый скрипт запускает и строит график траектории объекта, и Фильтр Калмана оценил положение как прежде.

Вы готовы начать следующую задачу в примере, Генерируя код С для Вашего Измененного Алгоритма.

Генерация кода С для Измененного Алгоритма.  Вы используете предоставленный скрипт сборки build03.m, чтобы сгенерировать код. Единственной разницей между этим скриптом сборки и скриптом для начальной версии фильтра является входной параметр в качестве примера, используемый при компиляции файла. build03.m указывает, что входной параметр к функции является матрицей, содержащей пять радиус-векторов 2x1, который соответствует формату кадра 10.

 Содержимое build03. m

% Load the position vector
load position.mat
% Get the first 5 positions in the position matrix to use
% as an example input
z = position(1:2,1:5);
% Generate C code only, create a code generation report
codegen -c -config coder.config('lib') -report kalman03.m -args {z}

Сгенерировать код С для kalman03:

Изменение фильтра, чтобы принять входной параметр Переменного Размера

Алгоритм, который вы использовали до сих пор в этом примере, подходит для обработки входных данных, который состоит из кадров фиксированного размера. В этой части примера вы тестируете свой алгоритм с входными параметрами переменного размера и видите, что алгоритм подходит для обработки пакетов данных переменного размера. Вы затем изучаете, как сгенерировать код для входного параметра переменного размера.

Тестирование алгоритма с вводами Переменного Размера

Используйте тестовый скрипт test04.m, чтобы протестировать kalman03.m с входными параметрами переменного размера.

Тестовый скрипт вызывает алгоритм фильтра в цикле, передавая различный входной параметр размера фильтру каждый раз. Каждый раз через цикл, тестовый скрипт вызывает функцию plot_trajectory для каждого положения во входном параметре.

 Содержимое test04. m

% Figure setup
clear all;
load position.mat
% Set up indexing to generate different size inputs
Idx=[ 1 10;  % 10 inputs 
      11 30; % 20 inputs
     31 70;  % 40 inputs
     71 100; % 30 inputs
    101 200; % 100 inputs
    201 250  % 50 inputs
    251 300];% 50 inputs

figure;hold;grid;
% Kalman filter loop
for i = 1:size(Idx,1)
    % Generate the location data
    % Use each vector in Idx in turn to provide
    % different size inputs to the filter at each
    % iteration through the loop
    z = position(1:2,Idx(i,1):Idx(i,2));

    % Use Kalman filter to estimate the location
    y = kalman03(z);
    
    % Plot the results
    for n=1:size(z,2)
        plot_trajectory(z(:,n),y(:,n));
    end
end
hold;

Чтобы запустить тестовый скрипт, в подсказке команды MATLAB, войдите:

test04

Тестовый скрипт запускает и строит график траектории объекта, и Фильтр Калмана оценил положение как прежде.

Вы создали алгоритм, который принимает входные параметры переменного размера. Вы готовы начать следующую задачу в примере, Генерируя код С для Входного параметра Переменного Размера.

Генерация кода С для входного параметра Переменного Размера

Вы используете предоставленный скрипт сборки build04.m, чтобы сгенерировать код.

О скрипте сборки

 Содержимое build04. m

% Load the position vector
load position.mat
N=100;
% Get the first N vectors in the position matrix to
% use as an example input
z = position(1:2,1:N);
% Specify the upper bounds of the variable-size input z 
% using the coder.typeof declaration - the upper bound
% for the first dimension is 2; the upper bound for 
% the second dimension is N. The first dimension is fixed,
% the second is variable.
eg_z = coder.typeof(z, [2 N], [0 1]);
% Generate C code only 
% specify upper bounds for variable-size input z
codegen -c -config coder.config('lib') -report  kalman03.m -args {eg_z}

Этот файл типа "build":

Как сгенерировать код С для входного параметра Переменного Размера

Следующие шаги