创建用于在线状态估计的无迹卡尔曼滤波对象
建立一个无迹卡尔曼滤波对象,用于离散非线性系统的在线状态估计。obj
= unscentedKalmanFilter (StateTransitionFcn
那MeasurementFcn
那Initimstate.
)StateTransitionFcn
是一个计算系统的状态的函数K.,给出时刻的状态向量K.-1。MeasurementFcn
是一个计算系统输出测量时间的函数吗K.,考虑到当时的状态K..Initimstate.
指定状态估计的初始值。
创建对象后,使用正确的
和预测
命令用离散时间Unscented Kalman滤波器算法和实时数据来更新状态估计和状态估计误差协方差值。
使用一个或多个指定Unscented Kalman Filter对象的其他属性obj
= unscentedKalmanFilter (StateTransitionFcn
那MeasurementFcn
那Initimstate.
那名称,值
)名称,值
对论点。
使用指定的状态转换和测量功能创建Uncented Kalman筛选对象。在使用之前obj
= unscentedKalmanFilter (StateTransitionFcn
那MeasurementFcn
)预测
和正确的
命令,使用点符号指定初始状态值。例如,对于具有初始状态值的双态系统(1, 0)
,指定obj。状态= (1,0)
.
使用一个或多个指定Unscented Kalman Filter对象的其他属性obj
= unscentedKalmanFilter (StateTransitionFcn
那MeasurementFcn
那名称,值
)名称,值
对论点。在使用之前预测
和正确的
命令,使用初始状态值使用名称,值
对参数或点表示法。
undentedkalmanfilter
利用离散时间无迹卡尔曼滤波算法建立一个用于离散时间非线性系统在线状态估计的对象。
考虑一个州的植物X, 输入你、输出y、过程噪声W.,测量噪声V..假设你可以将植物表示为一个非线性系统。
算法计算状态估计
加性噪声条件-状态转移和测量方程的形式如下:
这里F是一个非线性状态转换功能,描述了各国的演变X
从一个时间步骤到下一个时间步骤。非线性测量函数H有关X
的测量y
在时间步K.
.W.
和V.
是零平均,不相关的过程和测量噪声。这些函数还可以具有所用的其他输入参数你
和你
在方程式中。例如,附加参数可能是时间步骤K.
或输入你
到非线性系统。可以有多个这样的参数。
注意,两个方程中的噪声术语都是添加剂。那是,x (k)
是否与过程噪声线性相关w (k - 1)
,y(k)
与测量噪声是否线性相关v(k)
.
非相加噪音方面- 该软件还支持状态的更复杂的状态转换和万博1manbetx测量功能X[K.]和测量y[K.]分别为过程噪声和测量噪声的非线性函数。当噪声项为非加性时,状态跃迁和测量方程为:
当进行在线状态估计时,首先创建非线性状态转移函数F和测量功能H.然后构建undentedkalmanfilter
对象,并指定噪声项是可加性的还是非可加性的。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
利用无迹卡尔曼滤波算法和实时数据对状态估计进行校正。有关算法的信息,请参见在线状态估计的扩展和无迹卡尔曼滤波算法.
您可以使用以下命令undentedkalmanfilter
对象:
命令 | 描述 |
---|---|
正确的 |
在时间步骤纠正状态和状态估计错误协方差K.采用时间步长测量数据K.. |
预测 |
预测下一时刻的状态和状态估计误差协方差。 |
剩余的 |
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。 不要使用语法创建其他对象 |
为undentedkalmanfilter
对象属性,看属性.