exponenta event banner

предсказать

Ковариация состояния и ошибки оценки состояния фильтра слежения

Описание

пример

[xpred,Ppred] = predict(filter) возвращает прогнозируемое состояние, xpredи ковариация прогнозируемой ошибки оценки состояния, Ppred, для следующего временного шага входного фильтра слежения. Прогнозируемые значения перезаписывают ковариацию внутреннего состояния и ошибки оценки состояния filter.

[xpred,Ppred] = predict(filter,dt) задает временной шаг как положительный скаляр в секундах и возвращает один или несколько выходов из предшествующих синтаксисов.

[xpred,Ppred] = predict(filter,predparams) задает дополнительные параметры прогнозирования, используемые функцией перехода состояния. Функция перехода состояния определена в StateTransitionFcn имущество filter.

[xpred,Ppred,zpred] = predict(filter) также возвращает прогнозируемое измерение на следующем шаге времени.

Этот синтаксис можно использовать только в том случае, если filter является trackingABF объект.

[xpred,Ppred,zpred] = predict(filter,dt) возвращает предсказанное состояние, ковариацию ошибки оценки состояния и измерение на указанном временном шаге.

Этот синтаксис можно использовать только в том случае, если filter является trackingABF объект.

predict(filter,___) обновления filter с ковариацией прогнозируемого состояния и ошибки оценки состояния без возврата прогнозируемых значений. Укажите фильтр отслеживания и любую из комбинаций входных аргументов из предшествующих синтаксисов.

xpred = predict(filter,___) обновления filter с ковариацией предсказанного состояния и ошибки оценки состояния, но возвращает только предсказанное состояние, xpred.

Примеры

свернуть все

Создание двумерного trackingEKF и использовать пары «имя-значение» для определения StateTransitionJacobianFcn и MeasurementJacobianFcn свойства. Используйте предварительно определенные модели движения и измерения с постоянной скоростью и их якобианы.

EKF = trackingEKF(@constvel,@cvmeas,[0;0;0;0], ...
    'StateTransitionJacobianFcn',@constveljac, ...
    'MeasurementJacobianFcn',@cvmeasjac);

Запустите фильтр. Используйте predict и correct для распространения состояния. Вы можете позвонить predict и correct в любом порядке и столько раз, сколько вы хотите. Задайте измерение в декартовых координатах.

measurement = [1;1;0];
[xpred, Ppred] = predict(EKF);
[xcorr, Pcorr] = correct(EKF,measurement);
[xpred, Ppred] = predict(EKF);
[xpred, Ppred] = predict(EKF)
xpred = 4×1

    1.2500
    0.2500
    1.2500
    0.2500

Ppred = 4×4

   11.7500    4.7500         0         0
    4.7500    3.7500         0         0
         0         0   11.7500    4.7500
         0         0    4.7500    3.7500

Входные аргументы

свернуть все

Фильтр для отслеживания объектов, указанный как один из следующих объектов:

  • trackingEKF - Расширенный фильтр Кальмана

  • trackingUKF - Незараженный фильтр Калмана

  • trackingABF - Альфа-бета-фильтр

  • trackingCKF - Кубатурный фильтр Калмана

  • trackingIMM - Взаимодействующий фильтр множественных моделей (IMM)

  • trackingGSF - гауссово-суммарный фильтр

  • trackingPF - Фильтр частиц

  • trackingMSCEKF - Расширенный фильтр Калмана с измененными сферическими координатами (MSC)

Для использования predict функция с trackingKF линейный фильтр Калмана, см. predict (trackingKF).

Шаг времени для следующего предсказания, заданный как положительный скаляр в секундах.

Параметры прогнозирования, используемые функцией перехода состояния, заданные как список аргументов, разделенных запятыми. Эти аргументы являются теми же аргументами, которые передаются в функцию перехода состояния, заданную StateTransitionFcn свойство входа filter.

Предположим, вы установили StateTransitionFcn свойство для @constacc а затем вызовите predict функция:

[xpred,Ppred] = predict(filter,dt)
predict функция внутренне вызывает следующее:
state = constacc(state,dt)

Выходные аргументы

свернуть все

Прогнозируемое состояние фильтра, определяемое как вектор или матрица. State свойство входа filter перезаписывается этим значением.

Предсказанная ковариация состояния фильтра, заданная как вектор или матрица. StateCovariance свойство входа filter перезаписывается этим значением.

Прогнозируемое измерение, указанное как вектор или матрица. Вы можете вернуться zpred только когда filter является trackingABF объект.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.
Представлен в R2018b