Exponenta Banner
exponenta event banner

getStateEstimate

Извлечь наилучшую оценку состояния и ковариацию из частиц

свернуть все на странице

Синтаксис

stateEst = getStateEstimate (pf)
[stateEst, stateCov] = getStateEstimate (pf)

Описание

пример

stateEst = getStateEstimate(pf) возвращает оценку наилучшего состояния на основе текущего набора частиц. Оценка извлекается на основе StateEstimationMethod свойство из stateEstimatorPF объект, pf.

[stateEst,stateCov] = getStateEstimate(pf) также возвращает ковариацию вокруг оценки состояния. Ковариация является мерой неопределенности оценки состояния. Не все методы оценки состояния поддерживают выход ковариации. В этом случае getStateEstimate прибыль stateCov как [].

Примеры

свернуть все

Открыть сценарий в реальном времени

Создать stateEstimatorPF и выполняют этап прогнозирования и коррекции для оценки состояния. Фильтр частиц дает предсказанную оценку состояния на основе возвращаемого значения StateTransitionFcn. Затем он корректирует состояние на основе данного измерения и возвращаемого значения MeasurementLikelihoodFcn.

Создайте фильтр частиц с тремя состояниями по умолчанию.

pf = stateEstimatorPF
pf = 
  stateEstimatorPF with properties:

           NumStateVariables: 3
                NumParticles: 1000
          StateTransitionFcn: @nav.algs.gaussianMotion
    MeasurementLikelihoodFcn: @nav.algs.fullStateMeasurement
     IsStateVariableCircular: [0 0 0]
            ResamplingPolicy: [1x1 resamplingPolicyPF]
            ResamplingMethod: 'multinomial'
       StateEstimationMethod: 'mean'
            StateOrientation: 'row'
                   Particles: [1000x3 double]
                     Weights: [1000x1 double]
                       State: 'Use the getStateEstimate function to see the value.'
             StateCovariance: 'Use the getStateEstimate function to see the value.'

Укажите метод оценки среднего состояния и метод систематической повторной выборки.

pf.StateEstimationMethod = 'mean';
pf.ResamplingMethod = 'systematic';

Инициализировать фильтр частиц в состоянии [4 1 9] с единичной ковариацией (eye(3)). Используйте 5000 частицы.

initialize(pf,5000,[4 1 9],eye(3));

Предполагая измерение [4.2 0.9 9], выполните одно предсказание и один правильный шаг.

[statePredicted,stateCov] = predict(pf);
[stateCorrected,stateCov] = correct(pf,[4.2 0.9 9]);

Получите лучшую оценку состояния на основе StateEstimationMethod алгоритм.

stateEst = getStateEstimate(pf)
stateEst = 1×3

    4.1562    0.9185    9.0202

Входные аргументы

свернуть все

stateEstimatorPF объект, указанный как дескриптор. Посмотрите stateEstimatorPF для получения дополнительной информации.

Выходные аргументы

свернуть все

Наилучшая оценка состояния, возвращенная как вектор строки с длиной NumStateVariables. Оценка извлекается на основе StateEstimationMethod алгоритм, указанный в pf.

Скорректированная системная дисперсия, возвращаемая в виде матрицы N-на-N, где N - значение NumStateVariables свойство из pf. Исправленное состояние вычисляется на основе StateEstimationMethod алгоритм и MeasurementLikelihoodFcn. Если указать метод оценки состояния, который не поддерживает ковариацию, то функция возвращает stateCov как [].

Расширенные возможности

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

.

См. также

| | | | |

Темы

Представлен в R2016a

Документация по инструментам робототехнической системы

Поддержка