initcvmscekf
Постоянная скорость инициализация trackingMSCEKF
Синтаксис
mscekf = initcvmscekf(detection)mscekf = initcvmscekf(detection,rangeEstimation)Описание
mscekf = initcvmscekf(detection)trackingMSCEKF (расширенный Фильтр Калмана для отслеживания в измененных сферических координатах) на основе информации, предоставленной в объекте класса objectDetection, detection. Функция принимает целевой диапазон 3e4 модули и ковариация области значений 1e10 units2.
Объект trackingMSCEKF может использоваться со средствами отслеживания для отслеживания целей с измерениями только для угла от одного наблюдателя.
mscekf = initcvmscekf(detection,rangeEstimation)rangeEstimation является двухэлементным вектором, где первый элемент задает область значений цели, и второй элемент задает стандартное отклонение в области значений.
Примеры
Инициализируйте объект trackingMSCEKF Используя обнаружение только для угла
Создайте обнаружение только для угла.
detection = objectDetection(0,[30;20],'MeasurementParameters',... struct('Frame','Spherical','HasRange',false));
Используйте initcvmscekf, чтобы создать инициализированное использование фильтра trackingMSCEKF обнаружения только для угла.
filter = initcvmscekf(detection)
filter =
trackingMSCEKF with properties:
State: [6×1 double]
StateCovariance: [6×6 double]
StateTransitionFcn: @constvelmsc
StateTransitionJacobianFcn: @constvelmscjac
ProcessNoise: [3×3 double]
HasAdditiveProcessNoise: 0
ObserverInput: [3×1 double]
MeasurementFcn: @cvmeasmsc
MeasurementJacobianFcn: @cvmeasmscjac
MeasurementNoise: [2×2 double]
HasAdditiveMeasurementNoise: 1
Инициализируйте объект trackingMSCEKF с обнаружением от вращающегося датчика
Создайте параметры измерения для последующего вращения.
measParamSensorToPlat = struct('Frame','Spherical','HasRange',false,... 'Orientation',rotmat(quaternion([0 0 30],'rotvecd'),'frame'))
measParamSensorToPlat = struct with fields:
Frame: 'Spherical'
HasRange: 0
Orientation: [3×3 double]
measParamPlatToScenario = struct('Frame','Rectangular','HasRange',false,... 'Orientation',rotmat(quaternion([30 0 0],'rotvecd'),'frame'))
measParamPlatToScenario = struct with fields:
Frame: 'Rectangular'
HasRange: 0
Orientation: [3×3 double]
measParam = [measParamSensorToPlat;measParamPlatToScenario];
detection = objectDetection(0,[30;20],'MeasurementParameters',measParam);Инициализируйте фильтр.
filter = initcvmscekf(detection);
Проверяйте, что измерение фильтра - то же самое как обнаружение.
cvmeasmsc(filter.State,measParam)
ans = 2×1
30.0000
20.0000
Отследите постоянную скоростную цель Используя trackerGNN
Рассмотрите сценарий, когда цель перемещается в постоянную скорость вперед, и наблюдатель перемещается в постоянное ускорение. Задайте начальное состояние цели с помощью постоянной скоростной модели.
tgtState = [2000;-3;500;-5;0;0];
Задайте начальное состояние наблюдателя с помощью постоянной ускоряющей модели.
observerState = [0;2;0;490;-10;0.2;0;0;0];
Создайте объект trackerGNN использовать с initcvmscekf с некоторой предшествующей информацией об области значений и ковариации области значений.
range = 1000;
rangeStdDev = 1e3;
rangeEstimate = [range rangeStdDev];
tracker = trackerGNN('FilterInitializationFcn',@(det)initcvmscekf(det,rangeEstimate));Моделируйте синтетические данные при помощи моделей измерения. Получите az и информацию о el с помощью функции cvmeas.
syntheticParams = struct('Frame','Spherical','HasRange',false,... 'OriginPosition',observerState(1:3:end)); meas = cvmeas(tgtState,syntheticParams);
Создайте objectDetection только для угла, чтобы моделировать синтетическое обнаружение.
detection = objectDetection(0,meas,'MeasurementParameters',... struct('Frame','Spherical','HasRange',false),'MeasurementNoise',0.033*eye(2));
Создайте trackPlotter и platformPlotter, чтобы визуализировать сценарий.
tp = theaterPlot('XLimits',[0 2500],'YLimits',[0 1000]); targetPlotter = platformPlotter(tp,'DisplayName','Target','MarkerFaceColor','k'); observerPlotter = platformPlotter(tp,'DisplayName', 'Observer','MarkerFaceColor','r'); trkPlotter = trackPlotter(tp,'DisplayName','Track','MarkerFaceColor','g','HistoryDepth',50); tgtTrajPlotter = trajectoryPlotter(tp,'DisplayName','Target Trajectory','Color','k'); obsTrajPlotter = trajectoryPlotter(tp,'DisplayName','Observer Trajectory','Color','r');
Запустите средство отслеживания.
time = 0; dT = 0.1; tgtPoses = []; obsPoses = []; while time < 50 [confTracks,tentTracks,allTracks] = tracker(detection,time); for i = 1:numel(allTracks) setTrackFilterProperties(tracker,allTracks(i).TrackID,'ObserverInput',observerState(3:3:end)); end % Update synthetic detection. observerState = constacc(observerState,dT); tgtState = constvel(tgtState,dT); syntheticParams.OriginPosition = observerState(1:3:end); detection.Measurement = cvmeas(tgtState,syntheticParams); time = time + dT; detection.Time = time; % Update plots tgtPoses = [tgtPoses;tgtState(1:2:end)']; %#ok obsPoses = [obsPoses;observerState(1:3:end)']; %#ok targetPlotter.plotPlatform(tgtState(1:2:end)'); observerPlotter.plotPlatform(observerState(1:3:end)'); tgtTrajPlotter.plotTrajectory({tgtPoses}); obsTrajPlotter.plotTrajectory({obsPoses}); % Plot the first track as there are no false alarms, this should be % the target. % Get positions from the MSC state of the track. cartState = cvmeasmsc(allTracks(i).State,'rectangular') + observerState(1:3:end); trkPlotter.plotTrack(cartState'); end
Входные параметры
Выходные аргументы
Алгоритмы
Функция конфигурирует фильтр с шумом процесса принятие модульного целевого ускоряющего стандартного отклонения.
Функция конфигурирует ковариацию состояния в кадре MSC при помощи линейного преобразования ковариации в Декартовом кадре.
Можно использовать эту функцию в качестве свойства
FilterInitializationFcnСистемных объектовtrackGNNиtrackerTOMHT.Функция инициализирует
ObserverInputклассаtrackingMSCEKFс нулевым ускорением наблюдателя во всех направлениях. Необходимо использовать функциюsetTrackFilterPropertiesсредств отслеживания, чтобы обновитьObserverInput.