Exponenta Banner
exponenta event banner

initcaekf

Создание расширенного фильтра Калмана с постоянным ускорением из отчета об обнаружении

свернуть все на странице

Синтаксис

filter = initcaekf (обнаружение)

Описание

пример

filter = initcaekf(detection) создает и инициализирует постоянное ускорение расширенного Калмана filter из информации, содержащейся в detection отчет. Дополнительные сведения о расширенном фильтре Калмана см. в разделе trackingEKF.

Функция инициализирует состояние постоянного ускорения с тем же соглашением, что и constacc и cameas, [x; vx; топор; y; vy; ай; z; vz; az].

Примеры

свернуть все

Открыть сценарий в реальном времени

Создайте и инициализируйте расширенный объект фильтра Кальмана 3D постоянного ускорения из первоначального отчета об обнаружении.

Создайте отчет об обнаружении из начального измерения 3-D (-200; 30; 0) положения объекта. Предположим, что несоотнесенный шум измерения.

detection = objectDetection(0,[-200;-30;0],'MeasurementNoise',2.1*eye(3), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',2});

Создайте новый фильтр из отчета об обнаружении и отобразите его свойства.

filter = initcaekf(detection)
filter = 
  trackingEKF with properties:

                          State: [9x1 double]
                StateCovariance: [9x9 double]

             StateTransitionFcn: @constacc
     StateTransitionJacobianFcn: @constaccjac
                   ProcessNoise: [3x3 double]
        HasAdditiveProcessNoise: 0

                 MeasurementFcn: @cameas
         MeasurementJacobianFcn: @cameasjac
               MeasurementNoise: [3x3 double]
    HasAdditiveMeasurementNoise: 1

                EnableSmoothing: 0

Показать состояние фильтра.

filter.State
ans = 9×1

  -200
     0
     0
   -30
     0
     0
     0
     0
     0

Отображение матрицы ковариации состояния.

filter.StateCovariance
ans = 9×9

    2.1000         0         0         0         0         0         0         0         0
         0  100.0000         0         0         0         0         0         0         0
         0         0  100.0000         0         0         0         0         0         0
         0         0         0    2.1000         0         0         0         0         0
         0         0         0         0  100.0000         0         0         0         0
         0         0         0         0         0  100.0000         0         0         0
         0         0         0         0         0         0    2.1000         0         0
         0         0         0         0         0         0         0  100.0000         0
         0         0         0         0         0         0         0         0  100.0000
Открыть сценарий в реальном времени

Инициализируйте расширенный фильтр Кальмана 3D постоянного ускорения из первоначального отчета об обнаружении, сделанного из начального измерения в сферических координатах. Если требуется использовать сферические координаты, необходимо указать структуру параметров измерения как часть отчета об обнаружении с помощью Frame поле имеет значение 'spherical'. Установите азимутальный угол цели на 45∘, отметку на 22∘, дальность 1000 метров и дальность -4,0 м/с.

frame = 'spherical';
sensorpos = [25,-40,-10].';
sensorvel = [0;5;0];
laxes = eye(3);

Создайте структуру параметров измерения. Набор 'HasVelocity' и 'HasElevation' кому true. Затем вектор измерения состоит из азимута, отметки, дальности и скорости диапазона.

measparms = struct('Frame',frame,'OriginPosition',sensorpos, ...
    'OriginVelocity',sensorvel,'Orientation',laxes,'HasVelocity',true, ...
    'HasElevation',true);
meas = [45;22;1000;-4];
measnoise = diag([3.0,2.5,2,1.0].^2);
detection = objectDetection(0,meas,'MeasurementNoise', ...
    measnoise,'MeasurementParameters',measparms)
detection = 
  objectDetection with properties:

                     Time: 0
              Measurement: [4x1 double]
         MeasurementNoise: [4x4 double]
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}


filter = initcaekf(detection);

Отображение вектора состояния.

disp(filter.State)
  680.6180
   -2.6225
         0
  615.6180
    2.3775
         0
  364.6066
   -1.4984
         0

Входные аргументы

свернуть все

Отчет об обнаружении, указанный как objectDetection объект.

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

Выходные аргументы

свернуть все

Расширенный фильтр Калмана, возвращенный как trackingEKF объект.

Алгоритмы

  • Функция вычисляет матрицу шума процесса, предполагая один второй шаг времени и стандартное отклонение скорости ускорения, равное 1 m/s3.

  • Эту функцию можно использовать в качестве FilterInitializationFcn свойство trackerGNN или trackerTOMHT объект.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.

См. также

Функции

Объекты

Представлен в R2018b

Документация по комплекту инструментов для слияния и отслеживания датчиков

Поддержка