Это свойство доступно только для чтения.

Число переменных состояния, указанных как скаляр. Это свойство устанавливается на основе входных данных initialize способ. Число состояний неявно основано на указанных матрицах для начального состояния и ковариации.

Это свойство доступно только для чтения.

Число частиц, используемых в фильтре, указанное как скаляр. Это свойство можно указать только путем вызова initialize способ.

Функция обратного вызова для определения перехода состояния между шагами фильтра частиц, заданная как дескриптор функции. Функция перехода состояния развивает состояние системы для каждой частицы. Подпись функции:

function predictParticles = stateTransitionFcn(pf,prevParticles,varargin)

Функция обратного вызова принимает по крайней мере два входных аргумента: stateEstimatorPF объект, pfи частицы на предыдущем этапе времени, prevParticles. Эти указанные частицы являются predictParticles возвращено из предыдущего вызова объекта. predictParticles и prevParticles одинаковый размер: NumParticlesоколо-NumStateVariables.

Также можно использовать varargin для передачи переменного числа аргументов из predict функция. При звонке:

predict(pf,arg1,arg2)

По существу, вызовы MATLAB ®stateTranstionFcn как:

stateTransitionFcn(pf,prevParticles,arg1,arg2)

Функция обратного вызова, вычисляющая вероятность измерений датчика, указанная как дескриптор функции. Как только сенсорное измерение доступно, эта функция обратного вызова вычисляет вероятность того, что измерение согласуется с гипотезой состояния каждой частицы. Эта функция должна быть реализована на основе модели измерения. Подпись функции:

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

Функция обратного вызова принимает по крайней мере три входных аргумента:

Также можно использовать varargin для передачи переменного числа аргументов. Эти аргументы передаются correct функция. При звонке:

correct(pf,measurement,arg1,arg2)

По существу вызовы MATLAB measurementLikelihoodFcn как:

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

Обратный вызов должен возвращать только один выходной сигнал, likelihood, что является вероятностью данного measurement для каждой гипотезы состояния частиц.

Индикатор, если переменные состояния имеют циклическое распределение, указанное как логический массив. Круговые (или угловые) распределения используют функцию плотности вероятности с диапазоном [-pi,pi]. Если объект имеет несколько переменных состояния, то IsStateVariableCircular - вектор строки. Каждый векторный элемент указывает, является ли связанная переменная состояния круглой. Если объект имеет только одну переменную состояния, то IsStateVariableCircular является скаляром.

Параметры политики, определяющие, когда следует инициировать повторную выборку, указанные как объект. Повторную выборку можно инициировать либо через фиксированные интервалы, либо динамически, исходя из количества эффективных частиц. Посмотрите resamplingPolicyPF для получения дополнительной информации.

Метод, используемый для повторной выборки частиц, указанный как 'multinomial', 'residual', 'stratified', и 'systematic'.

Метод, используемый для оценки состояния, указанный как 'mean' и 'maxweight'.

Массив значений частиц, указанный как NumParticlesоколо-NumStateVariables матрица. Каждая строка соответствует гипотезе состояния одной частицы.

Вес частиц, указанный как NumParticlesвектор -by-1. Каждый вес связан с частицей в одном ряду в Particles собственность.

Это свойство доступно только для чтения.

Оценка наилучшего состояния, возвращенная как вектор с длиной NumStateVariables. Оценка извлекается на основе StateEstimationMethod собственность.

Это свойство доступно только для чтения.

Скорректированная системная дисперсия, возвращаемая в виде матрицы N-на-N, где N равно NumStateVariables собственность. Исправленное состояние вычисляется на основе StateEstimationMethod собственность и MeasurementLikelihoodFcn. Если указать метод оценки состояния, который не поддерживает ковариацию, свойство будет иметь значение [].