このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
stateEstimatorPF
粒子フィルターの状態推定器の作成
説明
stateEstimatorPF
オブジェクトは、推定状態の事後分布を離散粒子によって近似する再帰的ベイズ状態推定器です。
粒子フィルター アルゴリズムは状態推定を再帰的に計算します。予測と補正の 2 つのステップが含まれます。予測ステップでは、与えられたシステム モデルに基づき、前の状態を使用して現在の状態を予測します。補正ステップでは、現在のセンサー測定値を使用して状態推定を補正します。アルゴリズムは状態空間内の粒子を定期的に再分布 (リサンプリング) して、推定された状態の事後分布と一致するようにします。
推定状態は状態変数で構成されます。各粒子は、これらの状態変数の離散的な状態仮説を表します。すべての粒子のセットを使用して、最終状態推定が決定されます。
粒子フィルターは、任意の非線形システム モデルに適用できます。プロセス ノイズと測定ノイズは、任意の非ガウス分布に従うことがあります。
粒子フィルターのワークフローと特定のパラメーターの設定の詳細については、次を参照してください。
作成
説明
は、3 つの状態変数を使用して単純なシステムの状態推定を可能にするオブジェクトを作成します。pf
= stateEstimatorPFinitialize
メソッドを使用して、既知の平均および共分散、または定義済みの範囲内に一様分布する粒子を使用して粒子を初期化します。粒子フィルターのシステムおよび測定モデルをカスタマイズするには、StateTransitionFcn
および MeasurementLikelihoodFcn
プロパティを変更します。
オブジェクトを作成したら、initialize
を使用して NumStateVariables
プロパティと NumParticles
プロパティを初期化します。関数 initialize
は、入力に基づいてこれら 2 つのプロパティを設定します。
プロパティ
オブジェクト関数
initialize | Initialize the state of the particle filter |
getStateEstimate | Extract best state estimate and covariance from particles |
predict | Predict state of robot in next time step |
correct | Adjust state estimate based on sensor measurement |
例
参照
[1] Arulampalam, M.S., S. Maskell, N. Gordon, and T. Clapp. "A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking." IEEE Transactions on Signal Processing. Vol. 50, No. 2, Feb 2002, pp. 174-188.
[2] Chen, Z. "Bayesian Filtering: From Kalman Filters to Particle Filters, and Beyond." Statistics. Vol. 182, No. 1, 2003, pp. 1-69.