initapekf

Постоянная скорость параметрированная углом инициализация EKF

Описание

filter = initapekf(detection) конфигурирует фильтр с 10 расширенными Фильтрами Калмана (EKFs). Функция конфигурирует шум процесса с модульным стандартным отклонением на ускорении.

Параметрированный углом расширенный фильтр Калмана (APEKF) является фильтром Гауссовой суммы (trackingGSF) с несколькими EKFs, каждый инициализированный в предполагаемом угловом положении цели. Угловая параметризация является обычно используемым методом, чтобы инициализировать фильтр от обнаружения только для области значений.

filter = initapekf(detection,numFilters) задает количество EKFs в фильтре.

пример

filter = initapekf(detection,numFilters,angleLimits) задает пределы на угловом положении цели.

Примеры

свернуть все

APEKF является специальным типом фильтра, который может быть инициализирован с помощью измерений только для области значений. Когда 'Frame' установлен в 'spherical', обнаружение имеет [уровень области значений области значений вертикального изменения азимута] измерения. Задайте параметры измерения соответственно, чтобы задать измерение только для области значений.

measParam = struct('Frame','Spherical','HasAzimuth',false,'HasElevation',false,'HasVelocity',false,'OriginPosition',[100;10;0]);

objectDetection класс задает интерфейс к обнаружению только для области значений, измеренному датчиком. MeasurementParameters поле objectDetection несет информацию о том, что измеряет датчик.

detection = objectDetection(0,100,'MeasurementNoise',100,'MeasurementParameters',measParam)
detection = 
  objectDetection with properties:

                     Time: 0
              Measurement: 100
         MeasurementNoise: 100
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}

initapekf функционируйте использует обнаружение только для области значений, чтобы инициализировать APEKF.

apekf = initapekf(detection) %#ok
apekf = 
  trackingGSF with properties:

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

       TrackingFilters: {10x1 cell}
    ModelProbabilities: [10x1 double]

      MeasurementNoise: 100

Можно также инициализировать APEKF 10 фильтрами и действовать в угловых пределах [-30 30] степени.

angleLimits = [-30 30];
numFilters = 10;
apekf = initapekf(detection, numFilters, angleLimits)
apekf = 
  trackingGSF with properties:

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

       TrackingFilters: {10x1 cell}
    ModelProbabilities: [10x1 double]

      MeasurementNoise: 100

Можно также задать initapekf функционируйте как FilterInitializationFcn к trackerGNN объект.

funcHandle = @(detection)initapekf(detection,numFilters,angleLimits)
funcHandle = function_handle with value:
    @(detection)initapekf(detection,numFilters,angleLimits)

tracker = trackerGNN('FilterInitializationFcn',funcHandle);

Визуализируйте фильтр.

tp = theaterPlot;
componentPlot = trackPlotter(tp,'DisplayName','Individual sums','MarkerFaceColor','r');
sumPlot = trackPlotter(tp,'DisplayName','Mixed State','MarkerFaceColor','g');

indFilters = apekf.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 = apekf.State(1:2:end)';
mixedPosCov = apekf.StateCovariance(1:2:end,1:2:end);
sumPlot.plotTrack(mixedPos,mixedPosCov);

Создайте параметрированный углом EKF из [азимут r] обнаружение.

measParam = struct('Frame','Spherical','HasAzimuth',true,'HasElevation',false,'HasVelocity',false,'OriginPosition',[100;10;0]);

objectDetection класс задает интерфейс к обнаружению только для области значений, измеренному датчиком. MeasurementParameters поле objectDetection несет информацию о том, что измеряет датчик.

det = objectDetection(0,[30;100],'MeasurementParameters',measParam,'MeasurementNoise',10);

initapekf функция параметрирует apekf отфильтруйте на измерении вертикального изменения.

numFilters = 10;
apekf = initapekf(det,numFilters,[-30 30]);
indFilters = apekf.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

Визуализируйте фильтр.

tp = theaterPlot;
componentPlot = trackPlotter(tp,'DisplayName','Individual sums','MarkerFaceColor','r');
sumPlot = trackPlotter(tp,'DisplayName','Mixed State','MarkerFaceColor','g');
componentPlot.plotTrack(pos,cov);
mixedPos = apekf.State(1:2:end)';
mixedPosCov = apekf.StateCovariance(1:2:end,1:2:end);
sumPlot.plotTrack(mixedPos,mixedPosCov);
view(3);

Входные параметры

свернуть все

Отчет обнаружения в виде objectDetection объект.

Пример: detection = objectDetection(0,[1;4.5;3],'MeasurementNoise', [1.0 0 0; 0 2.0 0; 0 0 1.5])

Количество EKFs каждый инициализированный в предполагаемом угловом положении цели в виде положительного целого числа. Если не заданный, количеством по умолчанию EKFs является 10.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Угловые пределы цели в виде двухэлементного вектора. Эти два элемента в векторе представляют нижние и верхние пределы целевого углового положения.

Когда функция обнаруживает:

  • Измерения области значений – угловые пределы По умолчанию [–180 180].

  • Азимут и измерения области значений – угловые пределы По умолчанию [–90 90].

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Выходные аргументы

свернуть все

Постоянная скорость параметрированный углом расширенный фильтр Калмана (EKF), возвращенный как trackingGSF объект.

Алгоритмы

Функция может поддержать следующие типы измерений в обнаружении.

  • Измерения области значений – Параметризация сделана на азимуте цели, и угловые пределы [–180 180] по умолчанию.

  • Азимут и измерения области значений – Параметризация сделана на вертикальном изменении цели, и угловые пределы [–90 90] по умолчанию.

Ссылки

[1] Ristic, Бранко, Санйеев Арулампалам и Джеймс Маккарти. "Целевой анализ движения с помощью измерений только для области значений: алгоритмы, эффективность и приложение к данным ISAR". Обработка сигналов 82, № 2 (2002): 273-296.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Функции

Объекты

Введенный в R2018b
Для просмотра документации необходимо авторизоваться на сайте