mse均方误差例题_误差函数计算器

mse均方误差例题_误差函数计算器文章目录背景函数代码调用方法调用测试函数背景本人最近需要写多个仿真,需要大量用到MSE(均方误差)计算,于是干脆将MSE运算封装为函数,后续使用直接进行调用即可。函数代码%Project:均方误差函数%Author:Jace%Data:2021/11/01%====================函数体====================function[MSE]=MSE(Dim,Step,N,xkf,x)%====================分配空间=======

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

背景

本人最近需要写多个仿真,需要大量用到MSE(均方误差)计算,于是干脆将MSE运算封装为函数,后续使用直接进行调用即可。

函数代码

%Project: 均方误差函数
%Author: Jace
%Data: 2021/11/01
%====================函数体====================
function [MSE]=MSE(Dim,Step,N,xkf,x)
    %====================分配空间========================
    MSE=zeros(Dim,N);
    MSEC=zeros(1,Dim);
    %====================迭代过程====================
    for n=1:Dim
        %--------维度循环--------
        for k=Step:N
            %--------时刻循环--------
            MSEC(n)=0;%误差平方和变量清零
            for i = k-(Step-1):k
                %--------加和循环--------
                MSEC(n)=MSEC(n)+(xkf(n,i)-x(n,i))^2;%误差平方和       
            end
            MSE(n,k)=MSEC(n)/Step;%取平均
        end
    end
end

调用方法

[MSE]=MSE(Dim,Step,N,xkf,x)

对应

[MSE矩阵]=MSE(状态维度Dim,MSE长度Step,总时长N,估计矩阵xkf,状态矩阵x)

注意:

  1. 维度默认为状态维度,可以直接计算出每个状态值估计与真实的MSE,得到的MSE矩阵为Dim_nN维。如果不需要完全计算,可以自定义Dim数值。如Dim=1,则只计算第一个状态值的MSE,相应算得的MSE也只有1N维;
  2. 输入的估计矩阵xkf和状态矩阵x都是估计算法迭代计算之后的结果矩阵,维度应该是Dim_n*N维;
  3. 由于前Step长度不足计算,因此得到的数值为0。

调用测试函数

%Project: 基本二维Kalman测试函数
%Author: Jace
%Data: 2021/11/02
%====================准备====================
close all;
clear all;
clc;
%====================设定全局参数====================
%--------全局参数--------
N=100;%设定采样点数,即持续时长
%--------设定维度--------
Dim_n=2;%状态维度
Dim_m=2;%量测维度
%--------系统模型参数--------
A=[1.002,0;0,0.998];%状态转移矩阵
H=[1,0;0,1];%局部量测1量测矩阵
Gamma=1;
%--------噪声相关参数--------
P0=0.01;%初始状态噪声协方差
Q=0.01*eye(Dim_n);%设定系统噪声
R=0.1*eye(Dim_m);%设定观测噪声
w=sqrt(Q)*randn(Dim_n,N);
v=sqrt(R)*randn(Dim_m,N);
%====================分配空间========================
%--------系统参数--------
x=zeros(Dim_n,N);
z=zeros(Dim_m,N);%量测值
%--------Kalman过程参数--------
p=zeros(Dim_n,Dim_n,N);
xkf=zeros(Dim_n,N);%估计状态
%====================初始化====================
%--------系统参数初始化--------
x(:,1)=[10+P0*randn(1);20+P0*randn(1)];%物体初始真实状态值
z(:,1)=H*x(:,1)+v(:,1);%观测真实值初始值
%--------估计参数初始化--------
p(:,:,1)=0.1*eye(Dim_n);%误差协方差初始值
xkf(:,1)=x(:,1);%全局估计状态初始化
%--------特定矩阵初始化--------
In=eye(Dim_n);%2*2单位矩阵
%====================迭代过程====================
for k=2:N
%系统模型
x(:,k)=A*x(:,k-1)+w(:,k);
%量测模型,标量
z(:,k)=H*x(:,k)+v(:,k);
%====================标准Kalman过程====================
[p(:,:,k),xkf(:,k)]=Lkf(2,A,H,Gamma,Q,R,p(:,:,k-1),xkf(:,k-1),z(:,k));
end
%====================MSE计算====================
Step=10;
[MSE]=MSE(Dim_n,Step,N,xkf,x);
%====================绘图====================
%MSE
figure;
hold on,box on;
plot(MSE(1,:),'-r.');
plot(MSE(2,:),'-g.');
legend('MSE1','MSE2');
xlabel('采样时间');ylabel('数值');
title('MSE');
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/187492.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号