用于在线状态估计的粒子过滤器对象
粒子过滤器是递归,使用离散粒子来近似估计状态的后部分布。它可用于在线状态估计,当测量和系统模型相关的何时将模型状态与测量相关联。粒子滤波器算法递归地计算状态估计,涉及初始化,预测和校正步骤。
粒子滤片
使用离散时间粒子滤波器算法创建用于离散时间非线性系统的在线状态估计的对象。
考虑一个有状态的植物X, 输入你, 输出m,过程噪声W.和测量y。假设您可以将工厂代表为非线性系统。
该算法计算状态估计值 使用状态转换和测量似曲功能的非线性系统您指定。
该软件支持任意非线性状态转金宝app换和测量模型,具有任意过程和测量噪声分布。
要执行在线状态估计,请创建非线性状态转换功能和测量似然函数。然后构建粒子滤片
对象使用这些非线性函数。创建对象后:
使用初始化粒子初始化
命令。
预测使用该步骤的状态估计预测
命令。
使用校正国家估计数正确的
命令。
预测步骤使用最新状态来基于您提供的状态转换模型来预测下一个状态。校正步骤使用电流传感器测量来校正状态估计。该算法可选地重新分配或重新起皱状态空间中的粒子以匹配估计状态的后部分布。每个粒子表示这些状态变量的离散状态假设。所有粒子的集合用于帮助确定状态估计。
创建用于离散时间非线性系统的在线状态估计的粒子过滤器对象。PF.
=粒子漂白剂(StateTransitionFCN.
那MeasurementLikelihoodfcn.
)StateTransitionFCN.
是在给定时步骤的状态向量,在下次步骤中计算粒子(状态假设)的功能。MeasurementLikelihoodfcn.
是一个函数,它根据传感器测量值计算每个粒子的可能性。
创建对象后,使用初始化
命令用已知的平均值和协方差初始化粒子或限定的边界内的均匀分布粒子。然后,使用正确的
和预测
命令来使用传感器测量更新粒子(以及状态估计)。
初始化 |
初始化粒子过滤器的状态 |
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 |
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 |
GetStateEstimate |
从粒子中提取最佳状态估计和协方差 |
克隆 |
复制在线状态估计对象 |