在线状态估计

在命令行和Simulink中使用线性和非线性卡尔曼滤波器估计模型参数万博1manbetx^®

您可以使用实时数据和线性、扩展或无迹卡尔曼滤波算法来估计系统的状态。您可以使用System Identification Toolbox™库的Estimators子库中万博1manbetx的Simulink块执行在线状态估计。然后，您可以为这些块生成C/ c++代码万博1manbetxSimulink Coder™，并将此代码部署到一个嵌入式目标。您还可以在命令行执行在线状态估计，并使用MATLAB^®Compiler™或者MATLAB编码器．

功能

`extendedKalmanFilter`	创建扩展卡尔曼滤波对象在线状态估计
`unscentedKalmanFilter`	为在线状态估计创建Uncented Kalman筛选对象
`particleFilter`	用于在线状态估计的粒子滤波对象
`正确的`	使用扩展或无气味卡尔曼滤波器，或粒子滤波器和测量校正状态和状态估计误差协方差
`剩余`	使用扩展或无迹卡尔曼滤波器时，返回测量残差和残差协方差
`预测`	使用扩展或无迹卡尔曼滤波器或粒子滤波器预测下一时刻的状态和状态估计误差协方差
`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

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	利用扩展卡尔曼滤波器估计离散非线性系统的状态
粒子滤波	使用粒子滤波器的离散时间非线性系统估算状态
无味卡尔曼滤波	利用无迹卡尔曼滤波器估计离散非线性系统的状态