Спрогнозируйте состояние и ковариацию ошибки расчета состояния на следующем временном шаге с помощью расширенного или сигма-точечного фильтра Калмана или фильтра частиц
predict
команда предсказывает состояние и ковариацию ошибки расчета состояния extendedKalmanFilter
, unscentedKalmanFilter
или particleFilter
объект на следующем временном шаге. Чтобы реализовать расширенные или неароматизированные алгоритмы фильтра Калмана, используйте predict
и correct
команды вместе. Если ток выходного измерения существует, можно использовать predict
и correct
. Если измерение отсутствует, можно использовать только predict
. Для получения информации о порядке использования команд смотрите Использование предсказания и исправление команд.
Используйте это predict
команда для оценки состояния в режиме онлайн с использованием данных в реальном времени. Когда данные не доступны в реальном времени, чтобы вычислить K-шаг опережающего выхода идентифицированной модели, используйте predict
для оценки в автономном режиме.
[
предсказывает оценку состояния и ковариацию ошибки расчета состояния расширенного или сигма-точечного фильтра Калмана или объекта фильтра частиц PredictedState
,PredictedStateCovariance
]
= predict(obj
)obj
на следующем временном шаге.
Вы создаете obj
использование extendedKalmanFilter
, unscentedKalmanFilter
или particleFilter
команды. Вы задаете функцию перехода состояния и функцию измерения вашей нелинейной системы в obj
. Вы также задаете, являются ли условия шума процесса и измерения аддитивными или неаддитивными в этих функциях. The State
свойство объекта сохраняет последнее расчетное значение состояния. Предположим, что во временной шаг k
, obj.State
является . Это значение является оценкой состояния для времени k
, оцененный с использованием измеренных выходов до времени k
. Когда вы используете predict
команда, программное обеспечение возвращается в PredictedState
выход. Где - оценка состояния для времени k+1
, рассчитывается с использованием измеренного выхода до времени k
. Команда возвращает ковариацию ошибки расчета состояния в PredictedStateCovariance
выход. Программное обеспечение также обновляет State
и StateCovariance
свойства obj
с этими скорректированными значениями.
Используйте этот синтаксис, если функция перехода к состоянию f, что вы указали в obj.StateTransitionFcn
имеет одну из следующих форм:
x(k) = f(x(k-1))
- для аддитивного технологического шума.
x(k) = f(x(k-1),w(k-1))
- для неаддитивного технологического шума.
Где x
и w
являются состоянием и технологическим шумом системы. Единственными входами для f являются состояния и технологический шум.
[
задает дополнительные входные аргументы, если функция перехода состояния системы требует этих входов. Можно задать несколько аргументов.PredictedState
,PredictedStateCovariance
]
= predict(obj
,Us1,...Usn
)
Используйте этот синтаксис, если ваша функция перехода f имеет одну из следующих форм:
x(k) = f(x(k-1),Us1,...Usn)
- для аддитивного технологического шума.
x(k) = f(x(k-1),w(k-1),Us1,...Usn)
- для неаддитивного технологического шума.
clone
| correct
| extendedKalmanFilter
| initialize
| particleFilter
| residual
| unscentedKalmanFilter