预测或估计的动态系统仿真软件——MathWorks澳大利亚金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

描述

使用卡尔曼滤波块预测或估计动态系统的状态从一系列的不完全和/或噪声测量。假设您有一个嘈杂的线性系统由以下方程:

$\begin{array}{l} x_{k} = 一个 x_{k - 1} + w_{k - 1} \\ z_{k} = H x_{k} + v_{k} \end{array}$

这一块可以使用之前估计的状态, ${\hat{x}}_{k - 1}$ ,预测在当前状态的时间k, $x_{k}^{-}$ 如图所示,下列方程:

$\begin{array}{l} x_{k}^{-} = 一个 {\hat{x}}_{k - 1} \\ P_{k}^{-} = 一个 {\hat{P}}_{k - 1} {一个}^{T} + 问 \end{array}$

块也可以使用当前的测量, $z_{k}$ ,预测状态, $x_{k}^{-}$ ,估计当前状态值k, ${\hat{x}}_{k}$ ,所以它是一个更精确的近似:

$\begin{array}{l} K_{k} = P_{k}^{-} H^{T} {(H P_{k}^{-} H^{T} + R)}^{- 1} \\ {\hat{x}}_{k} = x_{k}^{-} + K_{k} (z_{k} - H x_{k}^{-}) \\ {\hat{P}}_{k} = (我 - K_{k} H) P_{k}^{-} \end{array}$

在前面的变量方程如下表中定义。

变量	定义	默认值或初始条件
x	状态	N /一个
$\hat{x}$	估计状态	`0 ([6 1])`
$x^{-}$	预测状态	N /一个
一个	状态转移矩阵	$(\begin{matrix} 1 & 0 & 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 & 0 & 1 \end{matrix}]$
w	过程噪声	N /一个
z	测量	N /一个
H	测量矩阵	$(\begin{matrix} 1 & 0 & 0 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 & 0 & 1 \end{matrix}]$
v	测量噪声	N /一个
$\hat{P}$	估计误差协方差	`10 *眼(6)`
P^{- - - - - -}	预测误差协方差	N /一个
问	过程噪声协方差	`0.05 *眼(6)`
K	卡尔曼增益	N /一个
R	测量噪声协方差	`(4)`
我	单位矩阵	N /一个

在前面的方程,z是一个矢量的测量值。大多数时候,阻塞进程Z,一个M×N的矩阵,其中M是测量值的数量,N是过滤器。

使用数量的过滤器参数指定要使用的过滤器来预测或估计的当前值。

使用使过滤器参数指定过滤器是在每个时间步启用或禁用。如果您选择总是,过滤器总是启用。如果你选择通过输入端口指定<启用>,使港口。这个端口的输入必须是一个行向量长度的1和0的数量等于过滤器。例如,如果有3过滤器和允许的输入端口(1 0 1),只有第一个和第三个过滤器使此时的一步。如果您选择了重置状态估计和估计误差协方差时,过滤器是禁用的复选框,估计和预测状态以及估计误差协方差,对应于残疾人过滤器是重置为其初始值。

请注意

所有过滤器都有相同的状态转移矩阵、测量矩阵,初始条件,和噪声协方差,但他们的状态,测量,启用,MSE信号是独一无二的。在状态,测量,使均方误差信号,每一列对应一个过滤器。

使用测量矩阵的来源参数来指定如何输入测量矩阵值。如果您选择指定通过对话框,测量矩阵参数出现在对话框。如果您选择输入端口< H >H端口出现在块中。使用这个端口指定你的测量矩阵。

参数

数量的过滤器: 指定要使用的过滤器来预测或估计的当前值。
使过滤器: 指定哪个过滤器是在每个时间步启用或禁用。如果您选择总是,过滤器总是启用。如果你选择通过输入端口指定<启用>,使港口。
重置状态估计和估计误差协方差时,过滤器是禁用的: 如果您选中此复选框后,估计和预测状态以及估计误差协方差,对应于残疾人过滤器是重置为其初始值。这个参数是可见的,如果使过滤器参数,您选择通过输入端口指定<启用>。
估计状态的初始条件: 输入估计状态的初始条件。
估计误差协方差的初始条件: 输入估计误差协方差的初始条件。
状态转移矩阵: 进入状态转移矩阵。
过程噪声协方差: 进入过程噪声协方差。
测量矩阵的来源: 指定如何输入测量矩阵值。如果您选择指定通过对话框,测量矩阵参数出现在对话框。如果您选择输入端口< H >H端口出现在块中。
测量矩阵: 输入测量矩阵的值。如果你选择这个参数是可见的指定通过对话框为测量矩阵的来源参数。
测量噪声协方差: 输入测量噪声协方差。
输出估计测量< Z_est >: 选中此复选框,如果你想要块输出估计测量。
输出估计国家<间>: 选中此复选框,如果你想要块输出估计状态。
输出均方误差估计状态的< MSE_est >: 选中此复选框,如果你想要块输出的均方误差估计的状态。
输出预测测量< Z_prd >: 选中此复选框,如果你想要块输出预测的测量。
输出预测国家< X_prd >: 选中此复选框,如果你想要块输出预测的状态。
预测状态的输出均方误差< MSE_prb >: 选中此复选框,如果你想要块输出的均方误差预测状态。

引用

[1]微积分,西蒙。自适应滤波器理论。上台北:Prentice Hall出版社,1996年。

[2]韦尔奇,格雷格和加里•主教”介绍卡尔曼滤波器”,TR 95 - 041年,北卡罗莱纳大学计算机科学系。

金宝app支持的数据类型

港口	输入/输出	金宝app支持的数据类型
Z	M×N的测量M是测量向量的长度和N是过滤器的数量。	双精度浮点单精度浮点
启用	1)×(N矢量的1和0 N是过滤器的数量。	双精度浮点单精度浮点布尔
H	M-by-P测量矩阵M是测量向量的长度和P滤波器状态向量的长度。	一样Z港口
Z_est	M×N的测量矩阵M估计的长度测量向量和N是过滤器的数量。	一样Z港口
间的	P-by-N估计状态矩阵P是过滤状态向量的长度和N是过滤器的数量。	一样Z港口
MSE_est	1)×(n矢量表示的均方误差估计的状态。N是过滤器的数量。	一样Z港口
Z_prd	M×N的预测测量矩阵M的长度测量向量和N是过滤器的数量。	一样Z港口
X_prd	P-by-N预测状态矩阵P是过滤状态向量的长度和N是过滤器的数量。	一样Z港口
MSE_prd	1)×(n矢量表示的均方误差预测状态。N是过滤器的数量。	一样Z港口

另请参阅

低密度脂蛋白解算器

DSP系统工具箱

卡尔曼滤波器

图书馆

描述

参数

引用

金宝app支持的数据类型

另请参阅

扩展功能

C / c++代码生成
使用仿真软件生成C和c++代码®编码器™。金宝app

DSP系统工具箱文档

金宝app

试着用MATLAB仿真软金宝app件,和其他产品下载188bet金宝搏

卡尔曼滤波器

图书馆

描述

参数

引用

金宝app支持的数据类型

另请参阅

扩展功能

C / c++代码生成使用仿真软件生成C和c++代码®编码器™。金宝app

DSP系统工具箱文档

金宝app

试着用MATLAB仿真软金宝app件,和其他产品下载188bet金宝搏

C / c++代码生成
使用仿真软件生成C和c++代码®编码器™。金宝app