状态估计技术让您在具有过程噪声和测量噪声的系统中估计状态值。控制系统工具箱™工具让您设计线性稳态和时变的卡尔曼滤波器。您还可以使用扩展的卡尔曼滤波器,Unscented Kalman滤波器或粒子过滤器来估计非线性系统的状态。
在线状态估计算法在新数据可用时更新系统的状态估计。您可以使用实时数据和线性和非线性Kalman滤波器算法估算系统的状态。您可以使用simulink执行在线状态估计金宝app®块,使用以下块生成C / C ++代码金宝appSimulink Coder™,并将此代码部署到嵌入的目标。您还可以在命令行执行在线状态估计,并使用代码部署马铃薯®Compiler™或者Matlab编码器。
非线性状态估计使用Unscented Kalman滤波器和粒子滤波器
使用Unscented Kalman滤波器算法估计van der POL振荡器的非线性状态。
验证使用扩展和未加注的卡尔曼滤波器算法执行的在线状态估计。
部署扩展或Uncented Kalman过滤器,或使用粒子过滤器Matlab编码器软件。
扩展和Unstented Kalman滤波器算法用于在线状态估计
非线性系统状态估计的底层算法。
此示例显示如何使用Simulink中的时变的Kalman滤波器估算线性系统的状态。金宝app
用A.扩展卡尔曼筛选器块估计具有以不同采样率运行的多个传感器的系统的状态。
此示例演示了控制系统工具箱™中的粒子过滤器块的使用。
此示例显示如何在Simulink™中使用Unscented Kalman滤波器估算非线性系统的状态。金宝app
验证使用的在线状态估计扩展卡尔曼筛选器和Unscented Kalman Filter.块。
通过扩展和Unscented Kalman滤波器算法执行的在线状态估计故障排除。