initapekf
Постоянная скорость параметрированная углом инициализация EKF
Синтаксис
Описание
filter = initapekf(detection)
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)
filter = initapekf(detection,numFilters,angleLimits)
Примеры
Инициализируйте APEKF из области значений только обнаружение и визуализируйте фильтр
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) %#okapekf =
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);
Инициализируйте APEKF от обнаружения азимута и области значений и визуализируйте фильтр
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
Выходные аргументы
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.