Предскажите ошибочную ковариацию оценки состояния и оценки состояния при следующем расширенном использовании временного шага или сигма-точечный фильтр Калмана или фильтр частиц
Команда predict
предсказывает ошибочную ковариацию оценки состояния и оценки состояния extendedKalmanFilter
, объекта unscentedKalmanFilter
или particleFilter
на следующем временном шаге. Чтобы реализовать расширенные алгоритмы или алгоритмы сигма-точечного фильтра Калмана, используйте predict
и команды correct
вместе. Если измерение текущей производительности существует, можно использовать predict
и correct
. Если измерение отсутствует, можно только использовать predict
. Для получения информации о порядке, в котором можно использовать команды, смотрите Используя, предсказывают и исправляют Команды.
[PredictedState,PredictedStateCovariance]
= predict(obj)
[PredictedState,PredictedStateCovariance]
= predict(obj,Us1,...Usn)
[
предсказывает оценку состояния и ошибочную ковариацию оценки состояния расширенного или сигма-точечного фильтра Калмана или объекта PredictedState
,PredictedStateCovariance
]
= predict(obj
)obj
фильтра частиц на следующем временном шаге.
Вы создаете obj
с помощью extendedKalmanFilter
, unscentedKalmanFilter
или команд particleFilter
. Вы задаете функцию изменения состояния и функцию измерения вашей нелинейной системы в obj
. Вы также задаете, являются ли условия шума процесса и измерения дополнением или недополнением в этих функциях. Свойство State
объектно-ориентированной памяти последнее предполагаемое значение состояния. Примите, что на временном шаге k
, obj.State
. Это значение является оценкой состояния за время k
, оцененное использование измеряло выходные параметры до времени k
. Когда вы используете команду predict
, программное обеспечение возвращается в PredictedState
вывод. Где оценка состояния за время k+1
, оцененное использование измеряло вывод до времени k
. Команда возвращает ошибочную ковариацию оценки состояния в PredictedStateCovariance
вывод. Программное обеспечение также обновляет свойства State
и StateCovariance
obj
с этими исправленными значениями.
Используйте этот синтаксис, если изменение состояния функционирует f, который вы задали в obj.StateTransitionFcn
, имеет одну из следующих форм:
x(k) = f(x(k-1))
— для шума аддитивного процесса.
x(k) = f(x(k-1),w(k-1))
— для неаддитивного шума процесса.
Где x
и w
являются состоянием и шумом процесса системы. Единственные входные параметры к f являются шумом процесса и состояниями.
[
задает дополнительные входные параметры, если функция изменения состояния системы требует этих входных параметров. Можно задать несколько аргументов.PredictedState
,PredictedStateCovariance
]
= predict(obj
,Us1,...Usn
)
Используйте этот синтаксис, если ваша функция изменения состояния f имеет одну из следующих форм:
x(k) = f(x(k-1),Us1,...Usn)
— для шума аддитивного процесса.
x(k) = f(x(k-1),w(k-1),Us1,...Usn)
— для неаддитивного шума процесса.
clone
| correct
| extendedKalmanFilter
| initialize
| particleFilter
| unscentedKalmanFilter