创建扩展卡尔曼滤波对象为在线状态估计
创建一个扩展卡尔曼滤波对象在线离散时间非线性系统的状态估计。obj
= extendedKalmanFilter (StateTransitionFcn
,MeasurementFcn
,InitialState
)StateTransitionFcn
是一个函数,计算系统的状态在时间吗k鉴于时间的状态向量k1。MeasurementFcn
是一个函数,计算系统的输出测量在时间吗k,考虑到状态k。InitialState
指定初始值的估计。
指定附加的属性对象使用一个或多个扩展卡尔曼滤波器obj
= extendedKalmanFilter (StateTransitionFcn
,MeasurementFcn
,InitialState
,名称,值
)名称,值
对参数。
创建一个扩展卡尔曼滤波对象使用指定的状态转换和测量功能。在使用之前obj
= extendedKalmanFilter (StateTransitionFcn
,MeasurementFcn
)预测
和正确的
命令,指定使用点符号的初始状态值。例如,对于两个系统初始状态值(1,0)
,指定obj.State=(1,0)
。
指定附加的属性对象使用一个或多个扩展卡尔曼滤波器obj
= extendedKalmanFilter (StateTransitionFcn
,MeasurementFcn
,名称,值
)名称,值
对参数。在使用之前预测
和正确的
使用命令,指定初始状态值名称,值
对参数或点符号。
extendedKalmanFilter
创建一个对象为在线状态估计的离散时间非线性系统使用一阶离散时间扩展卡尔曼滤波算法。
考虑植物与状态x、输入u、输出y、过程噪声w和测量噪声v。假设您能代表植物作为非线性系统。
该算法计算状态估计 使用状态转换的非线性系统和测量由你指定的函数。该软件允许您指定这些函数作为添加剂或非相加的噪声:
加性噪声条件状态转换和测量方程有以下形式:
在这里f是一个非线性状态转换函数,描述了进化的状态x
从一个时间步。非线性测量功能h有关x
的测量y
在时间步k
。w
和v
是零均值,分别不相关的过程和测量噪声。这些功能也可以用额外的输入参数u年代
和u米
在方程。例如,附加参数可能是时间步k
或输入u
非线性系统。可以有多个这样的参数。
注意,两个方程的噪声条件是附加的。也就是说,x (k)
线性相关过程噪音吗w (k - 1)
,y (k)
线性相关测量噪声v (k)
。
非相加噪音方面——软件还支持更复杂的状态转换和测量功能金宝app的状态x(k)和测量y(k)是非线性函数的过程噪声和测量噪声,分别。噪音术语非相加时,状态转换和测量方程有以下形式:
当您执行在线状态估计,首先创建一个非线性状态转换函数f和测量功能h。然后构造extendedKalmanFilter
对象使用这些非线性函数,并指定是否噪音添加剂或非相加。您还可以指定状态转换的雅克比和测量功能。如果你不指定,雅克比数值计算的软件。
创建对象后,您使用预测
命令来预测状态估计在下一个时间步,和正确的
正确的状态估计算法和实时数据。关于算法的信息,请参阅扩展和无味卡尔曼滤波算法在线状态估计。
您可以使用以下命令extendedKalmanFilter
对象:
命令 | 描述 |
---|---|
正确的 |
正确的状态和状态估计误差协方差在时间步k利用测量数据在时间步k。 |
预测 |
预测状态和状态估计误差协方差在时间下一个时间步。 |
剩余 |
返回实际的测量和预测之间的区别。 |
克隆 |
创建另一个对象使用相同的对象属性值。 不使用语法创建额外的对象 |
为extendedKalmanFilter
对象属性,看属性。