correctjpda

Класс: trackingKF

Правильная ошибочная ковариация оценки состояния и оценки состояния с помощью JPDA

Синтаксис

[x_corr,P_corr] = correctjpda(filterObj,z,jp)
[x_corr,P_corr] = correctjpda(filterObj,z,jp,varargin)
[x_corr,P_corr] = correctjpda(filterObj,z,jp,zcov)
[x_corr,P_corr,z_corr] = correctjpda(filterObj,z,jp)

Описание

[x_corr,P_corr] = correctjpda(filterObj,z,jp) возвращает исправление состояния, x_corr, и оценочной ошибочной ковариации состояния, P_corr, с помощью набора измерений z и их объединенные вероятностные коэффициенты ассоциации данных jp.

Этот синтаксис поддерживает объект фильтра, filterObj, созданный trackingKF, trackingEKF, trackingMSCEKF, trackingUKF, trackingABF, trackingCKF, trackingGSF, trackingPF или trackingIMM.

[x_corr,P_corr] = correctjpda(filterObj,z,jp,varargin) задает дополнительные параметры, используемые функцией, определяемой измерения в свойстве MeasurementFcn объекта фильтра отслеживания.

Этот синтаксис поддерживает объект фильтра, filterObj, созданный trackingEKF, trackingMSCEKF, trackingUKF, trackingCKF, trackingGSF, trackingPF или trackingIMM только.

[x_corr,P_corr] = correctjpda(filterObj,z,jp,zcov) задает дополнительную ковариацию измерения zcov, используемый в свойстве MeasurementNoise объекта фильтра trackingKF.

Этот синтаксис поддерживает объект фильтра, filterObj, созданный trackingKF только.

[x_corr,P_corr,z_corr] = correctjpda(filterObj,z,jp) также возвращает исправление измерений, z_corr.

Этот синтаксис поддерживает объект фильтра, filterObj, созданный trackingABF только.

Входные параметры

развернуть все

Отслеживание фильтра, заданного как объект. Например, можно создать объект trackingEKF как

EKF = trackingEKF
и используйте EKF в качестве значения filterObj.

Измерения, заданные как M-by-N матрица, где M является размерностью одного измерения и N, являются количеством измерений.

Типы данных: single | double

Соедините вероятностные коэффициенты ассоциации данных, заданные как (N +1) - вектор элемента. i th (i = 1, …, N) элемент jp является объединенной вероятностью, что i th измерение в z сопоставлен с фильтром. Последний элемент jp соответствует вероятности, что никакое измерение не сопоставлено с фильтром. Сумма всех элементов jp равняется 1.

Типы данных: single | double

Ковариационная матрица измерения, заданная как M-by-M матрица, где M является размерностью измерения. Та же ковариационная матрица измерения принята для всех измерений в z.

Типы данных: single | double

Аргументы функции измерения, заданные как список, разделенный запятыми. Эти аргументы являются теми же единицами, которые передаются в функцию измерения, заданную свойством MeasurementFcn фильтра отслеживания. Например, если вы устанавливаете MeasurementFcn на @cameas, и затем вызываете

[x_corr,P_corr] = correctjpda(filter,frame,sensorpos,sensorvel)
Метод correctjpda внутренне вызовет
meas = cameas(state,frame,sensorpos,sensorvel)

Выходные аргументы

развернуть все

Исправленное состояние, возвращенное как P - вектор элемента, где P является размерностью предполагаемого состояния. Исправленное состояние представляет по опыту оценка вектора состояния, учитывая текущие измерения и их вероятности ассоциации.

Исправленная ошибочная ковариационная матрица состояния, возвращенная как положительно-определенный P-by-P матрица, где P является размерностью оценки состояния. Исправленная ковариационная матрица состояния представляет по опыту оценка ковариационной матрицы состояния, учитывая текущие измерения и их вероятности ассоциации.

Исправленные измерения, возвращенные как M-by-N матрица, где M является размерностью одного измерения и N, являются количеством измерений.

Больше о

развернуть все

Ссылки

[1] Фортманн, T. Y. Панель шалом и М. Шефф. "Отслеживание гидролокатора Нескольких Целей Используя Объединенную Вероятностную Ассоциацию Данных". Журнал IEEE Океанской Разработки. Издание 8, Номер 3, 1983, стр 173–184.

Расширенные возможности

Введенный в R2019a

Для просмотра документации необходимо авторизоваться на сайте