%ИЗМЕРЕНИЯ СО СКАЧКАМИ
clc
%Для работы требуется предварительно загрузить в рабочую область список переменных (файл discrete_model_variables)

R = 0.01;                              %Матрица ковариации измерительного шума

NOISE = 0;                             %Текущее значение входного шума (вспомогательная переменная) 
%ИЗМЕРЕНИЯ
prcnt10 = N/100;
p_count = 0;
for i = 1:1:N
    Xk(1,1) = dV(i,1);
    Xk(2,1) = Fi(i,1);
    Xk(3,1) = dW(i,1);
    NOISE = randn;
    if ((NOISE <= 0.01 && NOISE >=0.0099) || (NOISE <= -0.02 && NOISE >= -0.0201))
        NOISE = NOISE*10000;
    end;
    Zk = H*Xk + sqrt(R).*NOISE;        %Вектор измерений
    dV_measured(i,1) = Zk;             %Сохранение данных измерений
    
    if (mod(i,prcnt10) == 0)  
       clc;
       fprintf('Measuring complete %d%%', p_count + 1);
       p_count = p_count + 1;
    end
end;

Adaptive_Kalman;

%СРАВНЕНИЕ ИЗМЕРЕНИЙ И ОЦЕНКИ СКОРОСТИ, ПОЛУЧЕННОЙ АДАПТИВНЫМ ФИЛЬТРОМ
figure
exclude_num = 0;
plot1 = plot(time', dV_measured(:,1),'red',time(1+exclude_num:N)', dV_Filtered(1+exclude_num:N,1), 'blue');
title({'delta V measured - red, delta V estimated - blue';[' R(measurment) = ',num2str(R)]});
xlabel('sec');
ylabel('rad/s');