initrpekf
Постоянная скорость параметризованная областью значений инициализация EKF
Синтаксис
Описание
filter = initrpekf(detection)
Параметризованный областью значений расширенный фильтр Калмана (RPEKF) является фильтром Гауссовой суммы (trackingGSF) с несколькими EKFs, каждый инициализированный в предполагаемой области значений цели. Параметризация области значений является обычно используемым методом, чтобы инициализировать фильтр от обнаружения только для угла.
filter = initrpekf(detection,numFilters)
filter = initrpekf(detection,numFilters,rangeLimits)
Примеры
Инициализируйте RPEKF от обнаружения только для угла и визуализируйте фильтр
RPEKF является специальным типом фильтра, который может быть инициализирован с помощью измерений только для угла, то есть, азимута и/или вертикального изменения. Когда 'Frame' установлен в 'spherical' и 'HasRange' установлен в 'false', обнаружение имеет [вертикальное изменение азимута] измерения. Задайте параметры измерения соответственно, чтобы задать измерение только для угла без информации об области значений.
measParam = struct('Frame','spherical','HasRange',false,'OriginPosition',[100;10;0]);
objectDetection класс задает интерфейс к обнаружению только для угла, измеренному датчиком. MeasurementParameters поле objectDetection несет информацию о том, что измеряет датчик.
detection = objectDetection(0,[30;30],'MeasurementParameters',measParam,'MeasurementNoise',2*eye(2));
initrpekf функционируйте использует обнаружение только для угла, чтобы инициализировать RPEKF.
rpekf = initrpekf(detection) %#okrpekf =
trackingGSF with properties:
State: [6x1 double]
StateCovariance: [6x6 double]
TrackingFilters: {6x1 cell}
ModelProbabilities: [6x1 double]
MeasurementNoise: [2x2 double]
Можно также инициализировать RPEKF с 10 фильтрами и действовать в пределах области значений [1000, 10,000] модули сценария.
rangeLimits = [1000 10000]; numFilters = 10; rpekf = initrpekf(detection, numFilters, rangeLimits)
rpekf =
trackingGSF with properties:
State: [6x1 double]
StateCovariance: [6x6 double]
TrackingFilters: {10x1 cell}
ModelProbabilities: [10x1 double]
MeasurementNoise: [2x2 double]
Можно также задать initrpekf функционируйте как FilterInitializationFcn к trackerGNN объект.
funcHandle = @(detection)initrpekf(detection,numFilters,rangeLimits)
funcHandle = function_handle with value:
@(detection)initrpekf(detection,numFilters,rangeLimits)
tracker = trackerGNN('FilterInitializationFcn',funcHandle)tracker =
trackerGNN with properties:
TrackerIndex: 0
FilterInitializationFcn: [function_handle]
Assignment: 'MatchPairs'
AssignmentThreshold: [30 Inf]
MaxNumTracks: 100
MaxNumSensors: 20
TrackLogic: 'History'
ConfirmationThreshold: [2 3]
DeletionThreshold: [5 5]
HasCostMatrixInput: false
HasDetectableTrackIDsInput: false
StateParameters: [1x1 struct]
NumTracks: 0
NumConfirmedTracks: 0
Визуализируйте фильтр.
tp = theaterPlot; componentPlot = trackPlotter(tp,'DisplayName','Individual sums','MarkerFaceColor','r'); sumPlot = trackPlotter(tp,'DisplayName','Mixed State','MarkerFaceColor','g'); indFilters = rpekf.TrackingFilters; pos = zeros(numFilters,3); cov = zeros(3,3,numFilters); for i = 1:numFilters pos(i,:) = indFilters{i}.State(1:2:end); cov(1:3,1:3,i) = indFilters{i}.StateCovariance(1:2:end,1:2:end); end componentPlot.plotTrack(pos,cov); mixedPos = rpekf.State(1:2:end)'; mixedPosCov = rpekf.StateCovariance(1:2:end,1:2:end); sumPlot.plotTrack(mixedPos,mixedPosCov);
