initialize

Инициализируйте состояние фильтра частиц

Описание

пример

initialize(pf,numParticles,mean,covariance) инициализирует объект фильтра частиц, pf, с конкретным количеством частиц, numParticles. Начальные состояния частиц в пространстве состояний определяются путем выборки из многомерного нормального распределения с заданным mean и covariance.

initialize(pf,numParticles,stateBounds) определяет начальное местоположение частиц выборкой от многомерного равномерного распределения в заданном stateBounds.

initialize(___,Name,Value) инициализирует частицы дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Примеры

свернуть все

Создайте stateEstimatorPF объект, и выполняет предсказание и шаг коррекции для оценки состояния. Фильтр частиц дает предсказанную оценку состояния на основе возвращаемого значения StateTransitionFcn. Это затем корректирует состояние на основе данного измерения и возвращаемого значения MeasurementLikelihoodFcn.

Создайте фильтр частиц со значением по умолчанию три состояния.

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.'

Задайте средний метод оценки состояния и систематический метод передискретизации.

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

Инициализируйте фильтр частиц в состоянии [4 1 9] с модульной ковариацией (eye(3)). Используйте 5 000 частиц.

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

При принятии измерения [4.2 0.9 9], запуститесь, каждый предсказывает 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 в виде указателя. Смотрите stateEstimatorPF для получения дополнительной информации.

Количество частиц используется в фильтре в виде скаляра.

Среднее значение распределения частицы в виде вектора. NumStateVariables свойство pf установлен на основе длины этого вектора.

Ковариация распределения частицы в виде N-by-N матрица, где N является значением NumStateVariables свойство от pf.

Границы переменных состояния в виде n-by-2 матрица. NumStateVariables свойство pf установлен на основе значения n. Каждая строка соответствует нижнему и верхнему пределу соответствующей переменной состояния.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: "CircularVariables",[0 0 1]

Круговые переменные в виде логического вектора. Каждая переменная состояния, которая использует круговые или угловые координаты, обозначается с 1. Длина вектора равна NumStateVariables свойство pf.

Расширенные возможности

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

Введенный в R2016a
Для просмотра документации необходимо авторизоваться на сайте