Количество переменных состояния, заданных как скаляр. Это свойство только для чтения и установлено с помощью initialize. Количество состояний неявно на основе заданных матриц для начального среднего значения частиц или границ состояния.

Количество частиц используется в фильтре, заданном как скаляр. Каждая частица представляет гипотезу состояния. Вы задаете это свойство только при помощи initialize.

Функция изменения состояния, заданная как указатель на функцию, определяет переход частиц (гипотезы состояния) между временными шагами. Эта функция вычисляет частицы на следующем временном шаге, включая шум процесса, учитывая частицы на временном шаге.

Напротив, функция изменения состояния для extendedKalmanFilter и unscentedKalmanFilter генерирует одну оценку состояния, в установленный срок продвигаются.

Вы пишете и сохраняете функцию изменения состояния для своей нелинейной системы и задаете его как указатель на функцию при построении объекта particleFilter. Например, если vdpParticleFilterStateFcn.m является функцией изменения состояния, задайте StateTransitionFcn как @vdpParticleFilterStateFcn. Можно также задать StateTransitionFcn как указатель на функцию к анонимной функции.

Функциональная подпись следующие:

function predictedParticles = myStateTransitionFcn(previousParticles,varargin)

Функция StateTransitionFcn принимает по крайней мере один входной параметр. Первый аргумент является набором частиц previousParticles, который представляет гипотезы состояния на предыдущем временном шаге. Дополнительное использование varargin в функции позволяет вам ввести любые дополнительные параметры, которые важны для предсказания следующего состояния, с помощью predict, можно следующим образом:

predict(pf,arg1,arg2)

Если StateOrientation является 'столбцом', то previousParticles является NumStateVariables-by-NumParticles массив. Если StateOrientation является 'строкой', то previousParticles является NumParticles-by-NumStateVariables массив.

StateTransitionFcn должен возвратить точно один выходной параметр, predictedParticles, который является набором предсказанных местоположений частицы для шага текущего времени (массив с теми же размерностями как previousParticles).

StateTransitionFcn должен включать шум вероятностного процесса (от любого распределения, подходящего для вашего приложения) в predictedParticles.

Чтобы видеть пример функции изменения состояния с набором свойств StateOrientation к 'столбцу', введите edit vdpParticleFilterStateFcn в командной строке.

Функция правдоподобия измерения, заданная как указатель на функцию, используется, чтобы вычислить вероятность частиц (гипотезы состояния) использование измерений датчика. Для каждой гипотезы состояния (частица) функция сначала вычисляет вектор гипотезы измерения N-элемента. Затем вероятность каждой гипотезы измерения вычисляется на основе измерения датчика и распределения вероятностей шума измерения.

Напротив, функция измерения для extendedKalmanFilter и unscentedKalmanFilter берет одну гипотезу состояния и возвращает одну оценку измерения.

Вы пишете и сохраняете функцию правдоподобия измерения на основе своей модели измерения и используете его, чтобы создать объект. Например, если vdpMeasurementLikelihoodFcn.m является функцией правдоподобия измерения, задайте MeasurementLikelihoodFcn как @vdpMeasurementLikelihoodFcn. Можно также задать MeasurementLikelihoodFcn как указатель на функцию к анонимной функции.

Функциональная подпись следующие:

function likelihood = myMeasurementLikelihoodFcn(predictedParticles,measurement,varargin)

Функция MeasurementLikelihoodFcn принимает по крайней мере два входных параметра. Первый аргумент является набором частиц predictedParticles, который представляет предсказанную гипотезу состояния. Если StateOrientation является 'столбцом', то predictedParticles является NumStateVariables-by-NumParticles массив. Если StateOrientation является 'строкой', то predictedParticles является NumParticles-by-NumStateVariables массив. Второй аргумент, measurement, является измерением датчика N-элемента на шаге текущего времени. Можно обеспечить дополнительные входные параметры с помощью varargin.

MeasurementLikelihoodFcn должен возвратить точно один выходной параметр, likelihood, вектор с длиной NumParticles, которая является вероятностью данного measurement для каждой частицы (гипотеза состояния).

Чтобы видеть пример функции правдоподобия измерения, введите edit vdpMeasurementLikelihoodFcn в командной строке.

Имеют ли переменные состояния круговое распределение, заданное как логический массив.

Это - свойство только для чтения и установлено с помощью initialize.

Проспект (или угловой) дистрибутивы использует функцию плотности вероятности с областью значений [-pi,pi]. IsStateVariableCircular является вектором - строкой с элементами NumStateVariables. Каждый векторный элемент указывает, является ли переменная ассоциированной страны круговой.

Настройки политики, которые определяют, когда инициировать передискретизацию, заданную как объект particleResamplingPolicy.

Передискретизация частиц является жизненным шагом в оценке состояний с помощью фильтра частиц. Это позволяет вам выбрать частицы на основе текущего состояния, вместо того, чтобы использовать распределение частицы, данное при инициализации. Путем непрерывной передискретизации частиц вокруг текущей оценки можно получить более точное отслеживание и улучшать долгосрочную производительность.

Можно инициировать передискретизацию или в фиксированные интервалы или динамически, на основе количества эффективных частиц. Минимальное эффективное отношение частицы является мерой того, как хорошо текущий набор частиц аппроксимирует апостериорное распределение. Количество эффективных частиц вычисляется:

В этом уравнении N является количеством частиц, и w является нормированным весом каждой частицы. Эффективным отношением частицы является затем _Neff / NumParticles. Поэтому эффективное отношение частицы является функцией весов всех частиц. После того, как веса частиц достигают достаточно низкого значения, они не способствуют оценке состояния. Эта низкая стоимость инициировала передискретизацию, таким образом, частицы ближе к оценке текущего состояния и имеют более высокие веса.

Следующие свойства объекта particleResamplingPolicy могут быть изменены, чтобы управлять, когда передискретизация инициирована:

Метод используется для передискретизации частицы, заданной как одно из следующего:

Метод, используемый для извлечения оценки состояния от частиц, заданных как одно из следующего:

Массив значений частицы, заданных как массив на основе свойства StateOrientation:

Каждая строка или столбец соответствуют гипотезе состояния (одна частица).

Веса частицы, заданные как вектор на основе значения свойства StateOrientation:

Оценка текущего состояния, заданная как вектор на основе значения свойства StateOrientation:

State является свойством только для чтения и выведен от Particles на основе свойства StateEstimationMethod. Обратитесь к StateEstimationMethod для получения дополнительной информации о том, как значение State определяется.

State наряду с StateCovariance может также быть определен с помощью getStateEstimate.

Текущая оценка ошибочной ковариации оценки состояния, заданной как NumStateVariables-by-NumStateVariables массив. StateCovariance является свойством только для чтения и вычисляется на основе StateEstimationMethod. Если вы задаете метод оценки состояния, который не поддерживает ковариацию, то функция возвращает StateCovariance как [].

StateCovariance и State могут быть определены вместе с помощью getStateEstimate.