状态估计

设计卡尔曼滤波器,估计美国在系统操作,生成代码和部署嵌入式目标

状态估计技术让你估计状态值在系统过程噪声和测量噪声。控制系统工具箱™工具让你设计线性稳态和时变卡尔曼滤波器。您还可以使用扩展卡尔曼滤波器估计的非线性系统,无味卡尔曼滤波器,或粒子过滤器。

在线状态估计算法更新状态估计系统的新数据可用时。您可以使用实时估计系统的状态数据和线性和非线性卡尔曼滤波算法。使用仿真软件可以执行在线状态估计金宝app^®块,这些块生成C / c++代码使用金宝app仿真软件编码器™这段代码,并将其部署到嵌入式目标。你也可以在命令行执行在线状态估计和部署代码使用MATLAB^®编译器™或MATLAB编码器。

功能

全部展开

卡尔曼滤波器设计

`卡尔曼`	设计卡尔曼滤波器的状态估计
`kalmd`	设计离散卡尔曼估计连续植物
`estim`	表单状态估计量估计获得

在线状态估计

`extendedKalmanFilter`	创建扩展卡尔曼滤波对象为在线状态估计
`unscentedKalmanFilter`	创建无味卡尔曼滤波对象为在线状态估计
`particleFilter`	粒子滤波对象在线状态估计
`正确的`	正确的状态和状态估计误差协方差使用扩展或无味卡尔曼滤波、粒子滤波和测量
`预测`	预测状态和状态估计误差协方差在下次一步使用扩展或无味卡尔曼滤波、粒子滤波
`剩余`	使用扩展时返回测量残,残协方差或无味卡尔曼滤波器
`初始化`	初始化粒子滤波的状态
`克隆`	在线状态估计对象副本
`generateJacobianFcn`	生成MATLAB雅可比矩阵函数扩展卡尔曼滤波器使用自动分化

块

全部展开

状态估计在金宝app

卡尔曼滤波器	估计状态的离散或连续时间线性系统
扩展卡尔曼滤波器	使用扩展卡尔曼滤波器估计状态的离散时间非线性系统
粒子滤波	使用粒子滤波估计状态的离散时间非线性系统
无味卡尔曼滤波	估计使用无味卡尔曼滤波器的离散时间非线性系统