kalman

Conception d'un filtre de Kalman pour l'estimation d'état.

📝 Syntaxe

• [kalmf, L, P, M, Z] = kalman(sys, Q, R, N)

• [kalmf, L, P, M, Z] = kalman(sys, Q, R, N, sensors, known)

📥 Argument d'entrée

• sys - Modèle de plante avec bruit de processus : modèle d'état-espace.

• Q - Covariance du bruit de processus : scalaire ou matrice.

• R - Covariance du bruit de mesure : scalaire ou matrice.

• N - Covariance croisée du bruit : scalaire ou matrice.

• sensors - Sorties mesurées de sys : vecteur.

• known - Entrées connues de sys : vecteur.

📤 Argument de sortie

• kalmf - Estimateur de Kalman : modèle d'état-espace

• L - Gains du filtre : matrice

• P - Covariances de l'erreur à l'état stationnaire : matrice

• M - Gains d'innovation des estimateurs d'état : matrice

• Z - Covariances de l'erreur à l'état stationnaire : matrice

📄 Description

[kalmf, L, P] = kalman(sys, Q, R, N) génère un filtre de Kalman en utilisant le modèle de plante fourni sys et les matrices de covariance du bruit Q, R, et N.

La fonction calcule un filtre de Kalman adapté pour une utilisation dans un estimateur de Kalman, comme montré dans le diagramme correspondant.

💡 Exemple

A = [11.269   -0.4940    1.129; 1.0000         0         0;0    1.0000         0];
B = [-0.3832;  0.5919;  0.5191];
C = [1 0 0];
sys = ss(A,[B, B], C, 0);
Q = 1;
R = 1;
[kEst, l, p, m, z] = kalman(sys, Q, R, [])

🔗 Voir aussi

care, dare.

🕔 Historique

Version	📄 Description
1.0.0	version initiale