Правильное состояние и ковариация ошибки оценки состояния с помощью сигма-точечного фильтра Калмана, или фильтра частиц и измерений
correct
команда обновляет ошибочную ковариацию оценки состояния и оценки состояния extendedKalmanFilter
, unscentedKalmanFilter
или particleFilter
объект с помощью измеренной системы выходные параметры. Чтобы реализовать сигма-точечный фильтр Калмана или фильтр частиц, используют correct
и predict
команды вместе. Если измерение текущей производительности существует, можно использовать correct
и predict
. Если измерение отсутствует, можно только использовать predict
. Для получения информации о порядке, в котором можно использовать команды, смотрите Используя, предсказывают и корректируют Команды.
[
корректирует оценку состояния и ошибочную ковариацию оценки состояния сигма-точечного фильтра Калмана или объект CorrectedState
,CorrectedStateCovariance
]
= correct(obj
,y
)obj
фильтра частиц использование измеренного выхода
y
.
Вы создаете obj
использование extendedKalmanFilter
, unscentedKalmanFilter
или particleFilter
команды. 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. State
свойство объектно-ориентированной памяти последнее предполагаемое значение состояния. Примите на временном шаге k
, obj.State
. Это значение является оценкой состояния за время k
, предполагаемое использование измеряло выходные параметры до времени k-1
. Когда вы используете correct
команда с измеренной системой выход y[k]
, программное обеспечение возвращает откорректированную оценку состояния в CorrectedState
вывод . Где оценка состояния во время k
, предполагаемое использование измеряло выходные параметры до времени k
. Команда возвращает ошибочную ковариацию оценки состояния в CorrectedStateCovariance
вывод . Программное обеспечение также обновляет State
и StateCovariance
свойства obj
с этими откорректированными значениями.
Используйте этот синтаксис, если измерение функционирует h, который вы задали в obj.MeasurementFcn
имеет одну из следующих форм:
y(k) = h(x(k))
— для аддитивного шума измерения.
y(k) = h(x(k),v(k))
— для неаддитивного шума измерения.
Где y(k)
, x(k)
, и v(k)
измеренный выход, состояния и шум измерения системы на временном шаге k
. Единственные входные параметры к h являются шумом измерения и состояниями.
[
задает дополнительные входные параметры, если функция измерения системы требует этих входных параметров. Можно задать несколько аргументов.CorrectedState
,CorrectedStateCovariance
]
= correct(obj
,y
,Um1,...,Umn
)
Используйте этот синтаксис, если функция измерения h имеет одну из следующих форм:
y(k) = h(x(k),Um1,...,Umn)
— для аддитивного шума измерения.
y(k) = h(x(k),v(k),Um1,...,Umn)
— для неаддитивного шума измерения.
correct
команда передает эти входные параметры функции измерения, чтобы вычислить предполагаемые выходные параметры.
clone
| extendedKalmanFilter
| initialize
| particleFilter
| predict
| residual
| unscentedKalmanFilter