状态估计

设计卡尔曼滤波器，估计系统运行时的状态，生成代码并部署到嵌入式目标

状态估计技术可以让您在具有过程噪声和测量噪声的系统中估计状态值。控制系统工具箱™工具可以让您设计线性稳态和时变卡尔曼滤波器。你也可以使用扩展卡尔曼滤波器、无迹卡尔曼滤波器或粒子滤波器来估计非线性系统的状态。

在线状态估计算法在有新数据可用时更新系统的状态估计。您可以使用实时数据和线性和非线性卡尔曼滤波算法来估计系统的状态。您可以使用Simulink执行在线状态估计万博1manbetx^®块，生成C/ c++代码，使用万博1manbetx仿真软件编码器™，并将此代码部署到嵌入式目标。您还可以在命令行执行在线状态估计，并使用MATLAB^®编译器™或MATLAB编码器．

功能

全部展开

卡尔曼滤波器设计

`卡尔曼`	设计状态估计的卡尔曼滤波器
`kalmd`	为连续对象设计离散卡尔曼估计
`estim`	形式状态估计量给定估计量增益

在线状态估计

`extendedKalmanFilter`	建立用于在线状态估计的扩展卡尔曼滤波对象
`unscentedKalmanFilter`	创建用于在线状态估计的无迹卡尔曼滤波对象
`particleFilter`	在线状态估计的粒子滤波对象
`正确的`	正确的状态和状态估计误差协方差使用扩展或无气味卡尔曼滤波器，或粒子滤波器和测量
`预测`	利用扩展卡尔曼滤波或无迹卡尔曼滤波或粒子滤波预测下一时刻的状态和状态估计误差协方差
`剩余`	使用扩展卡尔曼滤波或无迹卡尔曼滤波时返回测量残差和残差协方差
`初始化`	初始化粒子过滤器的状态
`克隆`	复制在线状态估计对象

块

全部展开

状态估计在万博1manbetx

卡尔曼滤波器	估计离散时间或连续时间线性系统的状态
扩展卡尔曼滤波器	离散时间非线性系统状态估计的扩展卡尔曼滤波器
粒子滤波	用粒子滤波估计离散时间非线性系统的状态
无味卡尔曼滤波	用无迹卡尔曼滤波器估计离散时间非线性系统的状态