particleFilter
粒子滤波对象在线状态估计
描述
粒子滤波是一种递归的贝叶斯状态估计量,利用离散粒子近似估计状态的后验分布。测量时是有用的在线状态估计和系统模型,模型状态相关的测量,是可用的。粒子滤波算法计算估计递归和涉及到初始化状态,预测和校正步骤。
particleFilter
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离散粒子滤波算法。
考虑植物与状态x、输入u、输出米、过程噪声w,测量y。假设您能代表植物作为非线性系统。
该算法计算状态估计 非线性系统的使用状态转换和测量功能您指定可能性。
软件支持任意非线性状态转换金宝app和测量模型,具有任意过程和测量噪声分布。
执行在线状态估计,创建非线性状态转换函数和似然函数测量。然后构造particleFilter
使用这些对象的非线性函数。在您创建对象:
初始化粒子使用
初始化
命令。在下一步使用预测状态估计
预测
命令。正确估计使用状态
正确的
命令。
预测步骤使用了最新的状态来预测下一状态基于您提供的状态转换模型。校正步骤使用电流传感器测量正确的状态估计。算法选择重新分配,或重新取样,状态空间中的粒子匹配估计状态的后验分布。每个粒子代表一个离散状态假设这些状态变量。所有粒子的集合是用来帮助确定状态估计。
创建
对象描述
创建一个粒子滤波对象在线离散时间非线性系统的状态估计。pf
= particleFilter (StateTransitionFcn
,MeasurementLikelihoodFcn
)StateTransitionFcn
是一个函数,计算粒子(假设状态)下一个时间步,考虑到在一个时间步状态向量。MeasurementLikelihoodFcn
是一个函数,计算每个粒子的可能性基于传感器测量。
在创建对象时,使用初始化
命令初始化粒子与一个已知的均值和协方差或均匀分布粒子在定义的范围内。然后,使用正确的
和预测
命令来更新粒子(以及状态估计)使用传感器测量。
输入参数
属性
对象的功能
初始化 |
初始化粒子滤波的状态 |
预测 |
预测状态和状态估计误差协方差在下次一步使用扩展或无味卡尔曼滤波、粒子滤波 |
正确的 |
正确的状态和状态估计误差协方差使用扩展或无味卡尔曼滤波、粒子滤波和测量 |
getStateEstimate |
从粒子提取最佳状态估计和协方差 |
克隆 |
在线状态估计对象副本 |
例子
引用
下午李[1]t . m . Bolic Djuric,“重采样的粒子滤波方法:分类、实现和战略,”IEEE信号处理杂志,32卷,不。3、2015年5月,页70 - 86。