Main Content

Esta página se ha traducido mediante traducción automática. Haga clic aquí para ver la última versión en inglés.

predict

Predecir el estado del robot en el próximo paso

Descripción

ejemplo

[statePred,stateCov] = predict(pf) calcula el estado previsto del sistema y su covarianza de incertidumbre asociada. predict usa la propiedad StateTransitionFcn del objeto stateEstimatorPF , pf, para evolucionar el estado de todas las partículas . Luego extrae la mejor estimación de estado y la covarianza según la configuración de la propiedad StateEstimationMethod .

[statePred,stateCov] = predict(pf,varargin) pasa todos los argumentos adicionales especificados en varargin a la propiedad subyacente StateTransitionFcn de pf. La primera entrada a StateTransitionFcn es el conjunto de partículas del paso de tiempo anterior, seguida de todos los argumentos en varargin.

Ejemplos

contraer todo

Cree un objeto stateEstimatorPF y ejecute un paso de predicción y corrección para la estimación del estado. El filtro de partículas proporciona una estimación del estado previsto en función del valor de retorno de StateTransitionFcn. Luego corrige el estado en función de una medida determinada y el valor de retorno de MeasurementLikelihoodFcn.

Cree un filtro de partículas con los tres estados predeterminados.

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.'

Especifique el método de estimación del estado medio y el método de remuestreo sistemático.

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

Inicialice el filtro de partículas en el estado [4 1 9] con covarianza unitaria (eye(3)). Utilice 5000 partículas.

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

Suponiendo una medición [4.2 0.9 9], ejecute un paso de predicción y uno correcto.

[statePredicted,stateCov] = predict(pf);
[stateCorrected,stateCov] = correct(pf,[4.2 0.9 9]);

Obtenga la mejor estimación de estado basada en el algoritmo StateEstimationMethod .

stateEst = getStateEstimate(pf)
stateEst = 1×3

    4.1562    0.9185    9.0202

Argumentos de entrada

contraer todo

stateEstimatorPF objeto, especificado como identificador. Consulte stateEstimatorPF para obtener más información.

Lista de argumentos de entrada de longitud variable, especificada como una lista separada por comas. Esta entrada se pasa directamente a la propiedad StateTransitionFcn de pf para evolucionar el estado del sistema para cada partícula. Cuando usted llama:

predict(pf,arg1,arg2)
MATLAB® esencialmente llama al stateTranstionFcn como:
stateTransitionFcn(pf,prevParticles,arg1,arg2)

Argumentos de salida

contraer todo

Estado previsto del sistema, devuelto como un vector con longitud NumStateVariables. El estado previsto se calcula según el algoritmo StateEstimationMethod .

Variación del sistema corregida, devuelta como una matriz N-por- N , donde N es el valor de NumStateVariables propiedad desde pf. El estado corregido se calcula en base al algoritmo StateEstimationMethod y el MeasurementLikelihoodFcn. Si especifica un método de estimación de estado que no admite covarianza, la función devuelve stateCov como [].

Capacidades ampliadas

Generación de código C/C++
Genere código C y C++ mediante MATLAB® Coder™.

Historial de versiones

Introducido en R2016a