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

全部展开

卡尔曼滤波器设计

`卡尔曼`	状态估计的卡尔曼滤波器设计
`kalmd`	连续对象的离散卡尔曼估计器设计
`estim`	给出估计量增益，形成状态估计量

在线状态估计

`extendedKalmanFilter`	创建用于在线状态估计的扩展卡尔曼滤波对象
`unscentedKalmanFilter`	创建无气味卡尔曼滤波对象用于在线状态估计
`particleFilter`	用于在线状态估计的粒子滤波对象
`正确的`	使用扩展或无气味卡尔曼滤波或粒子滤波和测量纠正状态和状态估计误差协方差
`预测`	利用扩展卡尔曼滤波或无气味卡尔曼滤波或粒子滤波预测下一时刻的状态和状态估计误差协方差
`剩余`	当使用扩展卡尔曼滤波器或无气味卡尔曼滤波器时，返回测量残差和残差协方差
`初始化`	初始化粒子过滤器的状态
`克隆`	复制在线状态估计对象

块

全部展开

状态估计动态仿真模块

卡尔曼滤波器	离散时间或连续时间线性系统的状态估计
扩展卡尔曼滤波器	用扩展卡尔曼滤波器估计离散非线性系统的状态
粒子滤波	利用粒子滤波估计离散非线性系统的状态
无味卡尔曼滤波器	用无味卡尔曼滤波估计离散非线性系统的状态