Это свойство доступно только для чтения.

Количество переменных состояния в виде скаляра. Это свойство установлено на основе входных параметров в initialize метод. Количество состояний неявно на основе заданных матриц для начального состояния и ковариации.

Это свойство доступно только для чтения.

Количество использования частиц в фильтре в виде скаляра. Можно задать это свойство только путем вызова initialize метод.

Функция обратного вызова для определения изменения состояния между фильтром частиц продвигается в виде указателя на функцию. Функция изменения состояния развивает системное состояние для каждой частицы. Функциональная подпись:

function predictParticles = stateTransitionFcn(pf,prevParticles,varargin)

Функция обратного вызова принимает по крайней мере два входных параметра: stateEstimatorPF объект, pf, и частицы на предыдущем временном шаге, prevParticles. Этими заданными частицами является predictParticles возвращенный в предыдущий вызов объекта. predictParticles и prevParticles одного размера: NumParticles- NumStateVariables.

Можно также использовать varargin передать в переменном количестве аргументов от predict функция. Когда вы вызываете:

predict(pf,arg1,arg2)

MATLAB^® по существу вызывает stateTranstionFcn как:

stateTransitionFcn(pf,prevParticles,arg1,arg2)

Функция обратного вызова, вычисляющая вероятность измерений датчика в виде указателя на функцию. Если измерение датчика доступно, эта функция обратного вызова вычисляет вероятность, что измерение сопоставимо с гипотезой состояния каждой частицы. Необходимо реализовать эту функцию на основе модели измерения. Функциональная подпись:

function likelihood = measurementLikelihoodFcn(PF,predictParticles,measurement,varargin)

Функция обратного вызова принимает по крайней мере три входных параметра:

Можно также использовать varargin передать в переменном количестве аргументов. Эти аргументы передаются correct функция. Когда вы вызываете:

correct(pf,measurement,arg1,arg2)

MATLAB по существу вызывает measurementLikelihoodFcn как:

measurementLikelihoodFcn(pf,predictParticles,measurement,arg1,arg2)

Коллбэк должен возвратить точно один выходной параметр, likelihood, который является вероятностью данного measurement поскольку каждая частица утверждает гипотезу.

Индикатор, если переменные состояния имеют круговое распределение в виде логического массива. Проспект (или угловой) распределения использует функцию плотности вероятности с областью значений [-pi,pi]. Если объект имеет несколько переменных состояния, то IsStateVariableCircular вектор-строка. Каждый векторный элемент указывает, является ли переменная ассоциированной страны круговой. Если объект имеет только одну переменную состояния, то IsStateVariableCircular скаляр.

Настройки политики, которые определяют, когда инициировать передискретизацию в виде объекта. Можно инициировать передискретизацию или в фиксированные интервалы, или можно инициировать ее динамически, на основе количества эффективных частиц. Смотрите resamplingPolicyPF для получения дополнительной информации.

Метод используется в передискретизации частицы в виде 'multinomial', 'residual', 'stratified', и 'systematic'.

Метод используется в оценке состояния в виде 'mean' и 'maxweight'.

Массив значений частицы в виде NumParticles- NumStateVariables матрица. Каждая строка соответствует гипотезе состояния одной частицы.

Веса частицы в виде NumParticles- 1 вектор. Каждый вес сопоставлен с частицей в той же строке в Particles свойство.

Это свойство доступно только для чтения.

Лучше всего утвердите оценку, возвращенную как вектор с длиной NumStateVariables. Оценка извлечена на основе StateEstimationMethod свойство.

Это свойство доступно только для чтения.

Откорректированная системная дисперсия, возвращенная как N-by-N матрица, где N равен NumStateVariables свойство. Откорректированное состояние вычисляется на основе StateEstimationMethod свойство и MeasurementLikelihoodFcn. Если вы задаете оценочный метод состояния, который не поддерживает ковариацию, то свойство установлено в [].