状态估计
设计卡尔曼滤波器,估计系统运行期间的状态,生成代码并部署到嵌入式目标
状态估计技术可以让您在带有过程噪声和测量噪声的系统中估计状态值。控制系统工具箱™工具让您设计线性稳态和时变卡尔曼滤波器。你也可以估计非线性系统的状态使用扩展卡尔曼滤波器,无味卡尔曼滤波器,或粒子滤波器。
在线状态估计算法在有新数据时更新系统的状态估计。您可以使用实时数据和线性和非线性卡尔曼滤波算法估计系统的状态。您可以使用Simulink进行在线状态估计®块,为这些块生成C/ c++代码使用仿真软件编码器™,并将此代码部署到嵌入式目标。您还可以在命令行上执行在线状态估计,并使用MATLAB®编译器™或MATLAB编码器.
功能
块
主题
状态估计基础
- 卡尔曼滤波
执行卡尔曼滤波并模拟系统,以显示滤波器如何减少稳态和时变滤波器的测量误差。
在线评估
- 基于无气味卡尔曼滤波和粒子滤波的非线性状态估计
用无味卡尔曼滤波算法估计范德堡尔振荡器的非线性状态。 - 在命令行验证在线状态估计
验证使用扩展和无味卡尔曼滤波算法执行的在线状态估计。 - 在MATLAB中生成在线状态估计代码
部署扩展或无味卡尔曼滤波器,或粒子滤波器使用MATLAB编码器软件 - 在线状态估计的扩展和Unscented卡尔曼滤波算法
描述非线性系统状态估计的基本算法。
状态估计动态仿真模块
- 时变卡尔曼滤波状态估计
这个例子展示了如何在Simulink®中使用时变卡尔曼滤波器估计线性系统的状态。 - 多速率传感器非线性系统状态估计
使用一个扩展卡尔曼滤波器块来估计具有以不同采样率运行的多个传感器的系统状态。 - 基于粒子滤波块的Simulink参数和状态估计
这个例子演示了在Control System Toolbox™中使用粒子过滤器块。 - 使用扩展卡尔曼滤波器的包裹测量状态估计
这个例子展示了如何使用扩展卡尔曼滤波算法进行非线性状态估计的三维跟踪涉及圆包裹角测量。 - 退化电池系统的非线性状态估计
这个例子展示了如何在Simulink®中使用Unscented卡尔曼滤波器估计非线性系统的状态。 - 在Simulink中验证在线状态估计
验证使用。执行的在线状态估计扩展卡尔曼滤波器而且无味卡尔曼滤波器块。
故障排除
故障在线状态估计执行使用扩展和无味卡尔曼滤波算法。