unscentedKalmanFilter
创建无味卡尔曼滤波对象为在线状态估计
描述
unscentedKalmanFilter
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时间无味卡尔曼滤波算法。
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unscentedKalmanFilter
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。
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
正确的状态估计使用无味卡尔曼滤波算法和实时数据。关于算法的信息,请参阅算法。
创建
语法
描述
创建一个无味卡尔曼滤波对象在线离散时间非线性系统的状态估计。obj
= unscentedKalmanFilter (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。这个函数存储在StateTransitionFcn
对象的属性。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。这个函数存储在MeasurementFcn
对象的属性。initialState
指定初始值的估计。这个值存储在状态
对象的属性。
在创建对象时,使用正确的
和预测
函数来更新状态估计和状态估计误差协方差值使用离散时间无味卡尔曼滤波算法和实时数据。
预测
更新obj.State
和obj.StateCovariance
在时间步的预测价值k使用状态在时间步的值k1。正确的
更新obj.State
和obj.StateCovariance
在时间步估计值k利用测量数据在时间步k。
属性
对象的功能
例子
算法
离散时间无味卡尔曼滤波算法执行在线离散时间非线性系统的状态估计。
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<年代pan class="inlineequation"> 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ub>年代
和u<年代ub>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unscentedKalmanFilter
对象使用这些非线性函数和噪声方面是否指定添加剂或非相加。
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
正确的状态估计使用无味卡尔曼滤波算法和实时数据。关于算法的更多细节,请参阅扩展和无味卡尔曼滤波算法在线状态估计。
扩展功能
版本历史
介绍了R2016b另请参阅
功能
预测
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">正确的
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">剩余
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">克隆
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">extendedKalmanFilter