基于Matlab、VC++與PCAuto組態軟件混合編程方法的Kalman濾波器實現

王野

摘 要：Matlab是功能強大的工程計算和數據分析軟件，VC++是面向對象的快速開發工具，PCAuto組態軟件是面向監控與數據采集（Supervisory Control and Data Acquisition， SCADA）的軟件平臺工具。三者結合，可以取長補短，能開發出處理復雜矩陣運算且界面友好、滿足工程領域需要的應用軟件。本文探討了三者混合編程的詳細實現過程，通過一個Kalman濾波實例，說明了實現混合編程方法的過程和實用性。

關鍵詞：Kalman濾波；VC++；Matlab；PCAuto；混合編程

1 引言

濾波問題是如何從被噪聲污染的觀測信號中過濾噪聲，盡可能消除或減小噪聲影響，求未知真實信號或系統狀態的最優估計。由于信號和噪聲往往是多維非平穩隨機過程，因此1960年初Kalman[1，2]用時域上的狀態空間方法提出了Kalman濾波理論，提出了便于計算機上遞推實現的Kalman濾波算法，解決了多維非平穩隨機信號的濾波問題。我們基于Kalman濾波算法用Matlab實現仿真，通過VC將Matlab與組態軟件進行互聯，最終通過組態軟件來實現Kalman濾波器。

2 理論依據

考慮用如下狀態空間模型描寫的動態系統

其中t為離散時間，系統在時刻t的狀態為x（t）∈Rn，y（t）∈Rm為對狀態的觀測信號，方差為Q的輸入白噪聲w（t）∈Rr，方差為R的觀測白噪聲v（t）∈Rm，且w（t）和v（t）不相關。？椎，，H分別為已知的適當維矩陣。由[1，2]我們易知該系統的最優狀態濾波方程組為：

3 用Matlab實現Kalman濾波器仿真

在系統（1）和（2）中取？椎= 0.9 0-0.5 0.2，？祝=12，H=[1 1]，Q=0.81， R=1。基于Kalman濾波原理（3）-（8）， 通過Matlab在計算機上實現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，調用了mult（），add（），kkmm（）這三個函數，這些都是預先編寫好的。kkmm.m是整個程序的主要部分，即Kalman濾波算法。運行結果如圖1和圖2所示，其中實現表示真實狀態，虛線表示估計狀態。

4 VC++與Matlab混合編程的應用

VC++[3]具有很多的優點，但對于一些比較復雜的工程計算程序，編寫起來比較困難。Matlab語言是一種高級矩陣語言，對于一些復雜的運算有直接的函數可以調用，提高了編程的效率。

4.1 應用實例（Kalman濾波器）

建立一個基于對話框的MFC應用程序Kalman，通過制作一個曲線控件[3]，可以清楚地看到xi（t）和 i（t|t）走勢。

其中，使用了WM_TIMER響應函數。運行結果如圖3所示，其中黃線表示真實狀態x（t）紅線表示估計狀態 （t|t）。

5 實現VC++與組態軟件的數據通訊

建立一個基于對話框的MFC程序VMP，按照本文4.2節提到的方法，將Kalman濾波器添加到當

前工程中。其中響應函數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）可以通過上述源代碼進行數據傳遞，將數據從Matlab通過VC++傳到組態軟件當中去。

6 結論

通過上述方法，可以將Kalman濾波器應用到現場中，廣泛應用在信號處理、通信、目標跟蹤和控制等領域。VC++是Matlab與組態軟件結合的橋梁，從而擴大了Matlab的應用范圍。因此如何在特定的情況下使用最好的實現方法非常重要，隨著數據接口的進一步改善，混合編程將在工程應用中發揮其越來越重大的作用。

參考文獻

[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（第二版）[M].北京：科學出版社，2016.

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

[4]江澤林，劉維.實戰MATLAB文件與數據接口技術[M].北京：北京航空航天大學出版社，2014.

[5]張瓊瓊，馬躍，王志成.組態式人機界面編輯與仿真技術[J].計算機系統應用，2015（04），26-31.

[6]鄧云偉，杜衛星，楊光玲.基于組態軟件和FP23智能儀表的溫度監控系統設計[J].價值工程.2013（20），208-210.