Расширенный Фильтр Калмана для объектного отслеживания
trackingEKF
объектом является расширенный Фильтр Калмана дискретного времени, раньше отслеживал положения и скорости объектов, с которыми можно столкнуться в автоматизированном ведущем сценарии. Такие объекты включают автомобили, пешеходов, велосипеды, и стационарные структуры или препятствия.
Фильтр Калмана является рекурсивным алгоритмом для оценки развивающегося состояния процесса, когда измерения сделаны на процессе. Расширенный Фильтр Калмана может смоделировать эволюцию состояния, когда состояние следует нелинейной модели движения, когда измерения являются нелинейными функциями состояния, или когда оба условия применяются. Расширенный Фильтр Калмана основан на линеаризации нелинейных уравнений. Этот подход приводит к формулировке фильтра, похожей на линейный Фильтр Калмана, trackingKF
.
Процесс и измерения могут иметь Гауссов шум, который можно включать этими способами:
Добавьте шум и в процесс и в измерения. В этом случае размеры шума процесса и шума измерения должны совпадать с размерами вектора состояния и вектора измерения, соответственно.
Добавьте шум в функции изменения состояния, функции модели измерения, или в обеих функциях. В этих случаях не ограничиваются соответствующие шумовые размеры.
filter = trackingEKF
создает расширенный объект Фильтра Калмана для системы дискретного времени при помощи значений по умолчанию для StateTransitionFcn
, MeasurementFcn
, и State
свойства. Шумы процесса и измерения приняты, чтобы быть дополнением.
задает функцию изменения состояния, filter
= trackingEKF(transitionfcn
,measurementfcn
,state
)transitionfcn
, функция измерения, measurementfcn
, и начальное состояние системы, state
.
конфигурирует свойства расширенного объекта Фильтра Калмана при помощи одного или нескольких filter
= trackingEKF(___,Name,Value
)Name,Value
парные аргументы и любой из предыдущих синтаксисов. Любые незаданные свойства имеют значения по умолчанию.
predict | Предскажите ошибочную ковариацию оценки состояния и оценки состояния отслеживания фильтра |
correct | Фильтр отслеживания использования правильного состояния и ковариации ошибки оценки состояния |
correctjpda | Фильтр отслеживания использования правильного состояния и ковариации ошибки оценки состояния и JPDA |
distance | Расстояния между текущими и предсказанными измерениями отслеживания фильтра |
likelihood | Вероятность измерения от отслеживания фильтра |
clone | Создайте фильтр отслеживания копии |
residual | Невязка измерения и остаточный шум от отслеживания фильтра |
initialize | Инициализируйте состояние и ковариацию отслеживания фильтра |
Расширенный Фильтр Калмана оценивает состояние процесса, которым управляет это нелинейное стохастическое уравнение:
xk является состоянием на шаге k. f() является функцией изменения состояния. Случайные шумовые возмущения, wk, могут влиять на объектное движение. Фильтр также поддерживает упрощенную форму,
Чтобы использовать упрощенную форму, установите HasAdditiveProcessNoise
к true
.
В расширенном Фильтре Калмана измерения являются также общими функциями состояния:
h(xk,vk,t) является функцией измерения, которая определяет измерения как функции состояния. Типичные измерения являются положением и скоростью или некоторой функцией положения и скоростью. Измерения могут также включать шум, представленный vk. Снова, фильтр предлагает более простую формулировку.
Чтобы использовать упрощенную форму, установите HasAdditiveMeasurmentNoise
к true
.
Эти уравнения представляют фактическое движение и фактические измерения объекта. Однако шумовой вклад на каждом шаге неизвестен и не может быть смоделирован детерминировано. Только статистические свойства шума известны.
[1] Браун, R.G. и P.Y.C. Ван. Введение в случайный анализ сигнала и прикладного Кальмана, фильтрующего. 3-й выпуск. Нью-Йорк: John Wiley & Sons, 1997.
[2] Кальман, R. E. “Новый Подход к Линейным проблемам Фильтрации и Предсказания”. Транзакции Журнала ASME Базового проектирования. Издание 82, Серия D, март 1960, стр 35–45.
[3] Блэкмен, Сэмюэль и R. Пополи. Проект и анализ современных систем слежения. Дом 1999 Artech.
[4] Блэкмен, Сэмюэль. Несколько - целевое отслеживание с радарными приложениями. Дом Artech. 1986.
cameas
| cameasjac
| constacc
| constaccjac
| constturn
| constturnjac
| constvel
| constveljac
| ctmeas
| ctmeasjac
| cvmeas
| cvmeasjac
| initcaekf
| initctekf
| initcvekf