为在线状态估计创建Uncented Kalman筛选对象据/p>
创建用于在线状态估计离散时间非线性系统的联机的Kalman滤波器对象。据code class="argument">StateTransitionFcn据/code>是一个计算系统时刻状态的函数吗据em class="varname">K.据/em>,给出时刻的状态向量据em class="varname">K.据/em>1。据code class="argument">MeasurementFCN.据/code>是一种函数,可以在时间计算系统的输出测量据em class="varname">K.据/em>,鉴于当时的国家据em class="varname">K.据/em>.据code class="argument">InitialState据/code>指定状态估计的初始值。据/p>
obj.据/code>
= UnscentedkalmanFilter(据a href="#bvfo6a9-1_sep_shared-StateTransitionFcn" class="intrnllnk">StateTransitionFcn据/code>那据a href="#bvfo6a9-1_sep_shared-MeasurementFcn" class="intrnllnk">
MeasurementFCN.据/code>那据a href="#bvfo6a9-1-InitialState" class="intrnllnk">
InitialState据/code>)据/code>
创建对象后,使用据a href="//www.tatmou.com/help/ident/ref/correct.html">正确的据/code>和据a href="//www.tatmou.com/help/ident/ref/predict_method_state_estimation.html">
预测据/code>命令用离散时间Unscented Kalman滤波器算法和实时数据来更新状态估计和状态估计误差协方差值。据/p>
使用一个或多个指定Unscented Kalman Filter对象的其他属性据code class="argument">名称,价值据/code>对论点。据/p>
obj.据/code>
= UnscentedkalmanFilter(据a href="#bvfo6a9-1_sep_shared-StateTransitionFcn" class="intrnllnk">StateTransitionFcn据/code>那据a href="#bvfo6a9-1_sep_shared-MeasurementFcn" class="intrnllnk">
MeasurementFCN.据/code>那据a href="#bvfo6a9-1-InitialState" class="intrnllnk">
InitialState据/code>那据a href="#namevaluepairarguments" class="intrnllnk">
名称,价值据/code>)据/code>
使用指定的状态转换和测量函数创建一个无迹卡尔曼滤波对象。在使用之前据code class="function">预测据/code>和据code class="function">正确的据/code>命令,使用点表示法指定初始状态值。例如,对于具有初始状态值的两个状态系统据code class="literal">[1; 0]据/code>, 指定据code class="literal">obj.state = [1; 0]据/code>.据/p>
obj.据/code>
= UnscentedkalmanFilter(据a href="#bvfo6a9-1_sep_shared-StateTransitionFcn" class="intrnllnk">StateTransitionFcn据/code>那据a href="#bvfo6a9-1_sep_shared-MeasurementFcn" class="intrnllnk">
MeasurementFCN.据/code>)据/code>
使用一个或多个指定Unscented Kalman Filter对象的其他属性据code class="argument">名称,价值据/code>对论点。在使用之前据code class="function">预测据/code>和据code class="function">正确的据/code>命令,使用初始状态值使用据code class="argument">名称,价值据/code>对参数或点表示法。据/p>
obj.据/code>
= UnscentedkalmanFilter(据a href="#bvfo6a9-1_sep_shared-StateTransitionFcn" class="intrnllnk">StateTransitionFcn据/code>那据a href="#bvfo6a9-1_sep_shared-MeasurementFcn" class="intrnllnk">
MeasurementFCN.据/code>那据a href="#namevaluepairarguments" class="intrnllnk">
名称,价值据/code>)据/code>
创建一个具有使用一个或多个指定的属性的Uncented Kalman筛选对象据code class="argument">名称,价值据/code>对论点。在使用之前据code class="function">预测据/code>和据code class="function">正确的据/code>命令,指定状态转换函数,测量功能和初始状态值使用据code class="argument">名称,价值据/code>对参数或点表示法。据/p>
obj.据/code>
= UnscentedkalmanFilter(据a href="#namevaluepairarguments" class="intrnllnk">名称,价值据/code>)据/code>
考虑一个有状态的植物据em class="varname">X据/em>、输入据em class="varname">你据/em>, 输出据em class="varname">y据/em>,过程噪声据em class="varname">W.据/em>,测量噪声据em class="varname">V.据/em>.假设您可以将工厂代表为非线性系统。据/p>
该算法计算状态估计值据S.pan class="inlineequation">
用你指定的状态转移和测量函数的非线性系统。该软件允许您指定噪声在这些功能作为加性或非加性:据/p>
添加剂噪声术语据/strong>- 状态转换和测量方程具有以下形式:据/p>
这里据em class="varname">F据/em>是描述状态演化的非线性状态转移函数吗据code class="literal">X据/code>从一个时间步骤到下一个时间步骤。非线性测量函数据em class="varname">H据/em>有关据code class="literal">X据/code>的测量据code class="literal">y据/code>在时间步骤据code class="literal">K.据/code>.据code class="literal">W.据/code>和据code class="literal">V.据/code>是零平均,不相关的过程和测量噪声。这些函数还可以具有所用的其他输入参数据code class="literal">你据S.你b>S.据/sub>和据code class="literal">你据S.你b>m据/sub>在方程。例如,附加参数可以是时间步长据code class="literal">K.据/code>或输入据code class="literal">你据/code>对于非线性系统。可以有多个这样的参数。据/p> 注意,两个方程中的噪声项都是加性的。也就是说,据code class="literal">x(k)据/code>与过程噪声线性相关据code class="literal">w(k-1)据/code>, 和据code class="literal">y(k)据/code>与测量噪声是否线性相关据code class="literal">v (k)据/code>.据/p> 非资格噪声术语据/strong>- 该软件还支持状态的更复杂的状态转换和金宝app测量功能据em class="varname">X据/em>[据em class="varname">K.据/em>)和测量据em class="varname">y据/em>[据em class="varname">K.据/em>[分别是过程噪声和测量噪声的非线性功能。当噪声术语是非资金时,状态转换和测量方程具有以下形式:据/p>
当进行在线状态估计时,首先创建非线性状态转移函数据em class="varname">F据/em>和测量功能据em class="varname">H据/em>.然后你建造据code class="function">undentedkalmanfilter据/code>对象使用这些非线性函数,并指定噪声术语是否是附加的或非一种不起作用。创建对象后,使用据a href="//www.tatmou.com/help/ident/ref/predict_method_state_estimation.html"> 您可以使用以下命令据code class="function">undentedkalmanfilter据/code>对象:据/p>
修正状态和状态估计误差在时间步长的协方差据em class="varname">K.据/em>采用时间步长测量数据据em class="varname">K.据/em>.据/p> 下次步骤预测状态和状态估计错误协方差。据/p> 使用相同的对象属性值创建另一个对象。据/p> 不要使用语法创建其他对象据code class="literal">obj2 = obj.据/code>.以这种方式创建的新对象的属性的任何更改(据code class="literal">methoda据/code>)也会更改原始对象的属性(据code class="literal">obj.据/code>)。据/p> 为了据code class="function">undentedkalmanfilter据/code>对象属性,见据a href="//www.tatmou.com/help/ident/ref/unscentedkalmanfilter.html" class="intrnllnk">属性据/a>.据/p>
undentedkalmanfilter据/code>利用离散时间无迹卡尔曼滤波算法建立一个用于离散时间非线性系统在线状态估计的对象。据/p>
预测据/code>命令在下次步骤中预测状态估计,以及据a href="//www.tatmou.com/help/ident/ref/correct.html">
正确的据/code>使用Unscented Kalman滤波器算法和实时数据来纠正状态估计。有关算法的信息,请参阅据a href="//www.tatmou.com/help/ident/ug/extended-and-unscented-kalman-filter-algorithms-for-online-state-estimation.html" class="a">扩展和Unstented Kalman滤波器算法用于在线状态估计据/a>.据/p>
命令据/th>
描述据/th>
正确的据/code>
预测据/code>
剩余的据/code>
返回实际和预测测量之间的差异。据/td>
克隆据/code>
克隆据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">正确的据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">extendedKalmanFilter据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">剩余的据/code>