3-D измерение положения в прямоугольном кадре обеспечивается. Например, x = 1, y = 3, и z = 0. Используйте 3-D шум измерения положения [1 0.4 0; 0.4 4 0; 0 0 1].

detection = objectDetection(0, [1;3;0], 'MeasurementNoise', [1 0.4 0; 0.4 4 0; 0 0 1]);

Используйте initekfimm, чтобы создать фильтр trackingIMM, инициализированный в обеспеченном положении и использовании шума измерения, заданного выше.

imm = initekfimm(detection);

Проверяйте значения шума измерения и состояния. Проверьте, что состояние фильтра, imm.State, имеет те же компоненты положения как измерение обнаружения, detection.Measurement.

imm.State

ans = 6×1

     1
     0
     3
     0
     0
     0

Проверьте, что шум измерения фильтра, imm.MeasurementNoise, совпадает со значениями detection.MeasurementNoise.

imm.MeasurementNoise

ans = 3×3

    1.0000    0.4000         0
    0.4000    4.0000         0
         0         0    1.0000

3-D измерение положения в сферическом кадре обеспечивается. Например: az = 40, el = 6, r = 100, rr = 5. Шумом измерения является diag([2.5, 2.5, 0.5, 1].^2).

meas = [40;6;100;5];
measNoise = diag([2.5,2.5,0.5,1].^2);

Используйте MeasurementParameters, чтобы задать кадр. Можно не учесть другие поля struct MeasurementParameters, и они будут завершены значениями по умолчанию. В этом примере положение датчика, скорость датчика, ориентация, повышение и флаги уровня области значений являются значением по умолчанию.

measParams = struct('Frame','spherical');
detection = objectDetection(0,meas,'MeasurementNoise',measNoise,...
     'MeasurementParameters', measParams); 

Используйте initekfimm, чтобы создать фильтр trackingIMM, инициализированный в обеспеченном положении и использовании шума измерения, заданного выше.

imm = initekfimm(detection)

imm = 
  trackingIMM with properties:

                      State: [6x1 double]
            StateCovariance: [6x6 double]

            TrackingFilters: {3x1 cell}
         ModelConversionFcn: @switchimm
    TransitionProbabilities: [3x3 double]

           MeasurementNoise: [4x4 double]
         ModelProbabilities: [3x1 double]