Обратное измерение остаточной и остаточной ковариации при использовании расширенного или сигма-точечного фильтра Калмана
residual
команда возвращает различие между фактическими и предсказанными измерениями для extendedKalmanFilter
и unscentedKalmanFilter
объекты. Просмотр невязки предоставляет способ проверки эффективности фильтра. Невязки, также известные как innovations, определяют количество ошибки предсказания и управляют шагом коррекции в расширенной и сигма-точечные фильтры Калмана последовательности обновления. При использовании correct
и predict
для обновления предполагаемого состояния фильтра Калмана используйте residual
команду непосредственно перед использованием correct
команда.
[
возвращает невязку Residual
,ResidualCovariance
]
= residual(obj
,y
)Residual
между измерительным y
и предсказанное измерение, произведенное фильтром Калмана obj
. Функция также возвращает ковариацию невязки ResidualCovariance
.
Вы создаете obj
использование extendedKalmanFilter
или unscentedKalmanFilter
команды. Вы задаете f функции перехода между состояниями и h функции измерения вашей нелинейной системы в obj
. The State
свойство объекта сохраняет последнее расчетное значение состояния. На каждом временном шаге вы используете correct
и predict
вместе, чтобы обновить x состояния. Остаточная s является различием между фактическими и предсказанными измерениями для временного шага и выражается как s = y - h (x). Ковариация невязки S является суммой R + RP, где R - матрица шума измерения, заданная MeasurementNoise
свойство фильтра и RP является ковариационной матрицей состояния, проецируемой в пространство измерений.
Используйте этот синтаксис, если функция измерения h, что вы указали в obj.MeasurementFcn
имеет одну из следующих форм:
y(k) = h(x(k))
для аддитивного шума измерения
y(k) = h(x(k),v(k))
для неаддитивного шума измерения
Здесь, y(k)
, x(k)
, и v(k)
- измеренные выходы, состояния и измерение шум системы на временном шаге k
. Единственными входами для h являются состояния и шум измерения.
[
задает дополнительные входные аргументы, если функция измерения системы требует этих входов. Можно задать несколько аргументов.Residual
,ResidualCovariance
]
= residual(obj
,y
,Um1,...,Umn
)
Используйте этот синтаксис, если h функции измерения имеет одну из следующих форм:
y(k) = h(x(k),Um1,...,Umn)
для аддитивного шума измерения
y(k) = h(x(k),v(k),Um1,...,Umn)
для неаддитивного шума измерения
correct
| extendedKalmanFilter
| predict
| unscentedKalmanFilter