Exponenta Banner
exponenta event banner

sampleGaussian

Класс: навигация. StateSpace
Пакет: навигация

Выборочное состояние с использованием распределения по Гауссу

развернуть все на странице

Синтаксис

состояния = sampleGaussian (ssObj, meanState, stdDev)
состояния = sampleGaussian (ssObj, meanState, stdDev, numSamples)

Описание

пример

states = sampleGaussian(ssObj,meanState,stdDev) выборка одного состояния в пространстве вашего состояния из гауссова распределения с центром meanState с заданным стандартным отклонением.

states = sampleGaussian(ssObj,meanState,stdDev,numSamples) выполняет выборку нескольких состояний на основе numSamples.

Входные аргументы

развернуть все

Состояние космического объекта, указанного как объект подкласса nav.StateSpace.

Средняя позиция состояния, заданная как вектор n-элемента, где n - размерность пространства состояния, указанного в NumStateVariables имущество ssObj. m - количество образцов, указанное в numSamples.

Стандартное отклонение вокруг среднего состояния, определяемого как n-элементный вектор, где каждый элемент соответствует элементу в meanState.

Число выборок, указанное как положительное целое число. По умолчанию функция предполагает numSamples является 1.

Выходные аргументы

развернуть все

Дискретизированные состояния из пространства состояний, заданные как вектор n-элемента или матрица m-на-n векторов строк. n - размер пространства состояния, указанный в NumStateVariables имущество ssObj. m - количество образцов, указанное в numSamples. Все состояния отбираются в пределах StateBounds имущество ssObj.

Примеры

развернуть все

Открыть сценарий в реальном времени

В этом примере показано, как использовать createPlanningTemplate создание шаблона для настройки собственного определения пространства состояний и дискретизатора для использования с алгоритмами планирования путей. Шаблон обеспечивает простую реализацию.

Вызовите функцию создания шаблона. Эта функция создает файл определения класса для изменения для собственной реализации.

createPlanningTemplate

Определение класса и свойства

Первая часть шаблона определяет определение класса и любые свойства класса. Вывести из nav.StateSpace класс. В этом примере создайте свойство для равномерного и нормального распределений. Здесь можно указать любые дополнительные пользовательские свойства.

classdef MyCustomStateSpace < nav.StateSpace & ...
        matlabshared.planning.internal.EnforceScalarHandle
     properties
        UniformDistribution
        NormalDistribution
        % Specify additional properties here
    end

Сохраните пользовательский класс пространства состояний и убедитесь, что имя файла совпадает с именем класса.

Конструктор классов

Используйте конструктор, чтобы задать имя пространства состояний, количество переменных состояний и определить его границы. Можно также добавить входные аргументы в функцию и передать переменные при создании объекта.

  • Для каждой переменной состояния определите [min max] значения для границ состояний.

  • Вызовите конструктор базового класса.

  • В этом примере значения свойств нормального и равномерного распределения задаются с помощью предварительно определенных NormalDistribution и UniformDistribution классы.

  • Здесь укажите любые другие пользовательские значения свойств.

 methods
        function obj = MyCustomStateSpace
            spaceName = "MyCustomStateSpace";
            numStateVariables = 3;
            stateBounds = [-100 100;  % [min max]
                           -100 100;
                           -100 100];
            
            obj@nav.StateSpace(spaceName, numStateVariables, stateBounds);
            
            obj.NormalDistribution = matlabshared.tracking.internal.NormalDistribution(numStateVariables);
            obj.UniformDistribution = matlabshared.tracking.internal.UniformDistribution(numStateVariables);
            % User-defined property values here
        end

Копирование семантики

Укажите copy определение метода. Скопируйте все значения пользовательских переменных в новый объект, чтобы copyObj является глубокой копией. Поведение по умолчанию, приведенное в этом примере, создает новую копию объекта с тем же именем, границами состояний и распределениями.

        function copyObj = copy(obj)
            copyObj = feval(class(obj));
            copyObj.StateBounds = obj.StateBounds;
            copyObj.UniformDistribution = obj.UniformDistribution.copy;
            copyObj.NormalDistribution = obj.NormalDistribution.copy;
        end

Принудительное применение ограничений состояния

Укажите, как гарантировать, что состояния всегда находятся в пределах состояний. В этом примере значения состояния насыщаются при минимальных или максимальных значениях для границ состояния.

        function boundedState = enforceStateBounds(obj, state)
            nav.internal.validation.validateStateMatrix(state, nan, obj.NumStateVariables, "enforceStateBounds", "state");
            boundedState = state;
            boundedState = min(max(boundedState, obj.StateBounds(:,1)'), ...
                obj.StateBounds(:,2)');
            
        end

Образец равномерно

Укажите поведение выборки для равномерного распределения. поддерживают множество синтаксисов для ограничения равномерного распределения в близлежащее состояние в пределах определенного расстояния и выборки множества состояний. 

STATE = sampleUniform(OBJ)
STATE = sampleUniform(OBJ,NUMSAMPLES)
STATE = sampleUniform(OBJ,NEARSTATE,DIST)
STATE = sampleUniform(OBJ,NEARSTATE,DIST,NUMSAMPLES)

В этом примере используйте функцию проверки для обработки varargin ввод, который обрабатывает изменяющиеся входные аргументы.

         function state = sampleUniform(obj, varargin)
            narginchk(1,4);
            [numSamples, stateBounds] = obj.validateSampleUniformInput(varargin{:});
            
            obj.UniformDistribution.RandomVariableLimits = stateBounds;
            state = obj.UniformDistribution.sample(numSamples);
         end

Образец из Gaussian Distribution

Укажите поведение выборки по гауссову распределению. Поддержка нескольких синтаксисов для выборки одного состояния или нескольких состояний.

STATE = sampleGaussian(OBJ, MEANSTATE, STDDEV)
STATE = sampleGaussian(OBJ, MEANSTATE, STDDEV, NUMSAMPLES)


        function state = sampleGaussian(obj, meanState, stdDev, varargin)    
            narginchk(3,4);
            
            [meanState, stdDev, numSamples] = obj.validateSampleGaussianInput(meanState, stdDev, varargin{:});
            
            obj.NormalDistribution.Mean = meanState;
            obj.NormalDistribution.Covariance = diag(stdDev.^2);
            
            state = obj.NormalDistribution.sample(numSamples);
            state = obj.enforceStateBounds(state);
            
        end

Интерполяция между государствами

Определите способ интерполяции между двумя состояниями в пространстве состояний. Используйте входные данные, fraction, чтобы определить, как выполнять выборку по пути между двумя состояниями. В этом примере определите основной метод линейной интерполяции, используя разницу между состояниями.

        function interpState = interpolate(obj, state1, state2, fraction)
            narginchk(4,4);
            [state1, state2, fraction] = obj.validateInterpolateInput(state1, state2, fraction);
            
            stateDiff = state2 - state1;
            interpState = state1 + fraction' * stateDiff;
        end

Расчет расстояния между состояниями

Укажите способ вычисления расстояния между двумя состояниями в пространстве состояний. Используйте state1 и state2 входные данные для определения начального и конечного положений. Оба входа могут быть одним состоянием (вектор строки) или несколькими состояниями (матрица векторов строки). Для этого примера вычислите расстояние на основе евклидова расстояния между каждой парой положений состояний.

        function dist = distance(obj, state1, state2)
            
            narginchk(3,3);
            
            nav.internal.validation.validateStateMatrix(state1, nan, obj.NumStateVariables, "distance", "state1");
            nav.internal.validation.validateStateMatrix(state2, size(state1,1), obj.NumStateVariables, "distance", "state2");

            stateDiff = bsxfun(@minus, state2, state1);
            dist = sqrt( sum( stateDiff.^2, 2 ) );
        end

Завершите методы и разделы классов.

    end
end

Сохраните определение класса пространства состояния. Теперь можно использовать конструктор класса для создания объекта для области состояний.

См. также

| | | |

Представлен в R2019b

Документация по панели инструментов навигации

Поддержка