Exponenta Banner

getStateEstimate

Извлеките лучшую оценку состояния и ковариацию из частиц

Свернуть все на странице

Синтаксис

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

Описание

пример

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

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

Примеры

свернуть все

Открыть Live Script

Создайте stateEstimatorPF объект и выполните шаг предсказания и коррекции для оценки состояния. Фильтр частиц дает предсказанную оценку состояния, основанную на возврате значении StateTransitionFcn. Затем он корректирует состояние на основе заданного 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 дискретизации.

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

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

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

Принимая измерение [4,2 0,9 9], запустите один 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 параметры

свернуть все

stateEstimatorPF объект, заданный как указатель. См. stateEstimatorPF для получения дополнительной информации.

Выходные аргументы

свернуть все

Лучшая оценка состояния, возвращенная как вектор-строка с длиной NumStateVariables. Оценка извлекается на основе StateEstimationMethod алгоритм, заданный в pf.

Скорректированное системное отклонение, возвращенная как N -by - N матрица, где N - значение NumStateVariables свойство от pf. Исправленное состояние вычисляется на основе StateEstimationMethod алгоритм и MeasurementLikelihoodFcn. Если вы задаете метод оценки состояния, который не поддерживает ковариацию, то функция возвращается stateCov как [].

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

.

См. также

| | | | |

Темы

Введенный в R2016a

Документация по Robotics System Toolbox

Поддержка