 |
LQEstimatorGains[ssm, {w, v}]
给出 StateSpaceModel ssm 的最佳估值器增益矩阵，其中过程和测量噪声协方差矩阵为 w 和 v.
LQEstimatorGains[ssm, {w, v, h}]
包括互协方差矩阵 h.
LQEstimatorGains[{ssm, sensors}, {...}]
指定 sensors 为 ssm 的噪声测量.
LQEstimatorGains[{ssm, sensors, dinputs}, {...}]
指定 dinputs 为 ssm 的确定性输入.
更多信息
- 在连续时间或者离散时间中，标准状态空间模型 ssm 可以按 StateSpaceModel[{a, b, c, d}] 给出：
-
连续时间系统 
离散时间系统 - 在连续时间或者离散时间中，描述器状态空间模型 ssm 可以按 StateSpaceModel[{a, b, c, d, e}] 给出：
-
连续时间系统 
离散时间系统 - 输入
可以包含过程噪声 
，以及确定性输入 
. - 参数 dinputs 是指定
在 
中的位置的整数列表. - 输出
包含噪声测量 
以及其他输出. - 参数 sensors 是指定
在 
中位置的整数列表. - LQEstimatorGains[ssm, {...}] 等价于 LQEstimatorGains[{ssm, All, None}, {...}].
- 噪声测量使用
建模，其中 
和 
是与 
相关联的 
和 
的子矩阵，而 
是噪声. - 过程和测量噪声假设为白噪声和高斯噪声：
-
, 
过程噪声 
, 
测量噪声 - 过程噪声和测量噪声之间的互协方差由
给出. - 如果省略，假设 h 是一个零矩阵.
- 用具有优化增益
的估计器最小化 
，其中 
是估计的状态向量. - 对连续时间系统，最优增益根据
计算，其中 
是连续代数黎卡提方程 
的解. - 对于离散时间系统，最优增益根据
计算，其中 
是离散黎卡提方程
的解. - 最优估值器渐进稳定，如果
是非奇异的，数对 
是可检测的，而 
对 
是可稳定的.
版本 8 的新功能 | 版本 9 修改功能
