为在线状态估计创建扩展卡尔曼滤波对象
扩展卡尔曼滤波器
利用一阶离散时间扩展卡尔曼滤波算法建立了一个离散时间非线性系统的在线状态估计对象。
考虑一个有状态的植物x输入u输出y、过程噪声w,以及测量噪音v. 假设您可以将设备表示为一个非线性系统。
算法计算状态估计 使用您指定的状态转换和测量函数的非线性系统。软件允许您将这些函数中的噪声指定为加法或非加法:
加性噪声项-状态转移和测量方程的形式如下:
在这里f是描述状态演化的非线性状态转移函数x
从一个时间步到下一个时间步。非线性测量函数h联系x
根据测量结果y
在时间步k
.w
和v
分别为零均值、不相关过程和测量噪声。这些函数还可以有附加的输入参数u年代
和u米
在方程。例如,附加参数可以是时间步长k
或输入u
对于非线性系统,可以有多个这样的参数。
请注意,这两个方程中的噪声项都是相加的。也就是说,x (k)
与过程噪声线性相关w (k - 1)
,y (k)
与测量噪声线性相关v(k)
.
非加性噪声项-该软件还支持更复杂的状态转换和状态测量万博1manbetx功能x[k]和测量y[k]分别是过程噪声和测量噪声的非线性函数。当噪声项为非加性项时,状态转移和测量方程具有以下形式:
执行联机状态估计时,首先创建非线性状态转换函数f和测量功能h. 然后构造扩展卡尔曼滤波器
对象,并指定噪声项是可加性的还是非可加性的。你也可以指定状态转移和测量函数的雅可比矩阵。如果你没有指定它们,软件会数值计算雅可比矩阵。
创建对象后,使用预测
命令来预测下一个时间步骤的状态估计,并且正确的
使用算法和实时数据更正状态估计。有关算法的信息,请参阅在线状态估计的扩展和无迹卡尔曼滤波算法.
您可以将以下命令用于扩展卡尔曼滤波器
物体:
命令 | 描述 |
---|---|
正确的 |
在时间步修正状态和状态估计误差协方差k使用时间步长的测量数据k. |
预测 |
预测下一时刻的状态和状态估计误差协方差。 |
剩余 |
返回实际测量值和预测测量值之间的差值。 |
克隆 |
使用相同的对象属性值创建另一个对象。 不使用语法创建其他对象 |
对于扩展卡尔曼滤波器
对象属性,看性质.