在线状态估计

在命令行和Simulink中使用线性和非线性卡尔曼滤波器估算模型参数金宝app^®

您可以使用实时数据和线性，扩展或Unscented Kalman滤波器算法估算系统的状态。您可以使用System Idition Toolbox™库的估计器子信中的Simulink块执行在线金宝app状态估计。然后，您可以使用这些块生成C / C ++代码金宝app仿真软件编码器™，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^®编译器™或Matlab编码器。

功能

`ExtendedKalmanFilter.`	为在线状态估计创建扩展的Kalman过滤器对象
`undentedkalmanfilter`	创建用于在线状态估计的无迹卡尔曼滤波对象
`粒子滤片`	用于在线状态估计的粒子过滤器对象
`正确的`	使用扩展或Unspented Kalman滤波器或粒子滤波器和测量来正确的状态和状态估计错误协方差
`剩余的`	使用扩展卡尔曼滤波或无迹卡尔曼滤波时返回测量残差和残差协方差
`预测`	使用扩展或Unspented Kalman滤波器或粒子滤波器预测状态和状态估计在下次步骤中的误差协方差
`初始化`	初始化粒子滤波器的状态
`克隆`	复制在线状态估计对象

块

卡尔曼筛选	估计离散时间或连续时间线性系统的状态
扩展卡尔曼筛选器	使用扩展卡尔曼滤波器的离散时间非线性系统的估算状态
粒子滤波	用粒子滤波估计离散时间非线性系统的状态
Unscented Kalman Filter.	用无迹卡尔曼滤波器估计离散时间非线性系统的状态