状态估计技术允许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™ 使用这些工具可以设计线性稳态和时变卡尔曼滤波器。还可以使用扩展卡尔曼滤波器、无迹卡尔曼滤波器或粒子滤波器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以及线性和非线性卡尔曼滤波算法来估计系统的状态。您可以使用Simulink执行在线状态估计金宝app®块,生成C/ c++代码,使用金宝app仿真软件编码器™,并将此代码部署到嵌入式目标。您还可以在命令行执行在线状态估计,并使用MATLAB®编译器™或MATLAB编码器.
用无迹卡尔曼滤波算法估计范德波尔振荡器的非线性状态。
验证使用扩展和无迹卡尔曼滤波算法进行的在线状态估计。
部署扩展的或无气味的卡尔曼滤波器,或使用MATLAB编码器软件。
描述非线性系统状态估计的基本算法。
这个例子展示了如何在Simulink中使用时变卡尔曼滤波器估计线性系统的状态。金宝app
使用扩展卡尔曼滤波器块来估计多个传感器以不同采样率运行的系统状态。
此示例演示如何在控制系统工具箱中使用粒子过滤器块™.
这个例子展示了如何在Simulink中使用无迹卡尔曼滤波器估计非线性系统的状态™.金宝app
验证使用执行的在线状态估计扩展卡尔曼滤波器和无迹卡尔曼滤波器块。
使用扩展和无迹卡尔曼滤波算法进行在线状态估计故障排除。