预测

预测跟踪滤波器的状态和状态估计误差协方差

描述

[xpredPpred] =预测(过滤返回预测状态,xpred和预测的状态估计误差协方差,Ppred,对于输入跟踪滤波器的下一时间步骤。预测值改写的内部状态和状态估计误差协方差过滤

[xpredPpred] =预测(过滤DT指定时间步长为秒的正标量,并返回一个或多个的输出的从前面的语法。

[xpredPpred] =预测(过滤predparams指定由所述状态转换函数中使用的其他预测参数。状态转移函数是在定义StateTransitionFcn财产过滤

预测(过滤___更新过滤与没有返回的预测值的预测状态和状态估计误差协方差。指定跟踪滤波器和任何从前述语法输入参数组合。

xpred=预测(过滤___更新过滤与预测的状态和状态估计误差协方差,但只返回所预测的状态,xpred

例子

全部收缩

创建二维trackingEKF对象和使用的名称 - 值对,以限定StateTransitionJacobianFcnMeasurementJacobianFcn属性。使用预定义的等速运动和测量模型和他们的雅可比。

EKF = trackingEKF(@ constvel,@ cvmeas,[0; 0; 0; 0],...'StateTransitionJacobianFcn'@ constveljac,...'MeasurementJacobianFcn',@ cvmeasjac);

运行过滤器。使用预测正确功能传播的状态。您可以拨打预测正确以任意顺序和多次你想要的。指定直角坐标测量。

测量= [1; 1; 0];[xpred,Ppred] =预测(EKF);[xcorr,Pcorr] =正确(EKF,测量);[xpred,Ppred] =预测(EKF);[xpred,Ppred] =预测(EKF)
xpred =4×11.2500 0.2500 1.2500 0.2500
Ppred =4×411.7500 4.7500 0 0 4.7500 3.7500 0 0 0 0 11.7500 4.7500 0 0 4.7500 3.7500

输入参数

全部收缩

为对象跟踪滤波器,指定为这些对象之一:

要使用预测与功能trackingKF线性卡尔曼滤波器,见预测(trackingKF)

下一预测时间步骤,指定为以秒为正标量。

由状态转变函数中使用预测参数,指定为逗号分隔的参数列表。这些参数是传递到由指定的状态转换功能相同的参数StateTransitionFcn输入特性过滤

假设你设置StateTransitionFcn属性@constacc然后调用预测功能:

[xpred,Ppred] =预测(过滤器,DT)
预测函数内部调用如下:
状态= constacc(状态,DT)

输出参数

全部收缩

滤波器的预测状态,指定为矢量或矩阵。该输入特性过滤而改写此值。

滤波器的预测状态协方差,指定为矢量或矩阵。该StateCovariance输入特性过滤而改写此值。

扩展功能

C / C ++代码生成
生成使用MATLAB®编码器™C和C ++代码。

介绍了在R2017a