预测
预测状态和状态估计误差协方差在下一个时间步使用扩展或无气味卡尔曼滤波器,或粒子滤波器
语法
描述
的预测
命令预测状态和状态估计误差协方差extendedKalmanFilter
,unscentedKalmanFilter
或particleFilter
对象。要实现扩展或无气味卡尔曼滤波算法,请使用预测
和正确的
命令在一起。如果存在当前输出测量值,则可以使用预测
和正确的
.如果缺少测量,则只能使用预测
.有关使用命令的顺序的信息,请参见使用预测和纠正命令.
[
预测状态估计和状态估计误差协方差的扩展或无气味卡尔曼滤波器,或粒子滤波对象PredictedState
,PredictedStateCovariance
[预测]obj
)obj
在下一个时间步。
您创建obj
使用extendedKalmanFilter
,unscentedKalmanFilter
或particleFilter
命令。你指定非线性系统的状态转移函数和测量函数obj
.还可以指定这些函数中的过程和测量噪声项是加性的还是非加性的。的状态
属性存储最新的估计状态值。假设在时间步长k
,obj。状态
是
.这个值是对时间的状态估计k
,使用测量的输出估计,直到时间k
.当你使用预测
命令,软件返回
在PredictedState
输出。在哪里
是国家对时间的估计吗k + 1
,估计使用测量输出,直到时间k
.的状态估计误差协方差
在PredictedStateCovariance
输出。该软件还更新了状态
和StateCovariance
的属性obj
用这些修正值。
如果状态转换函数使用此语法f你在obj。StateTransitionFcn
具有下列形式之一:
X (k) = f(X (k-1))
-用于附加过程噪声。X (k) = f(X (k-1),w(k-1))
-用于非加性过程噪声。
在哪里x
和w
是系统的状态和过程噪声。唯一的输入f是状态和过程噪声。
[
如果系统的状态转换函数需要这些输入,则指定额外的输入参数。您可以指定多个参数。PredictedState
,PredictedStateCovariance
[预测]obj
,Us1…Usn
)
如果您的状态转换函数使用此语法f具有下列形式之一:
x(k) = f(x(k-1),Us1,…Usn)
-用于附加过程噪声。x(k) = f(x(k-1),w(k-1),Us1,…Usn)
-用于非加性过程噪声。
例子
输入参数
输出参数
更多关于
版本历史
在R2016b中引入