Exponenta Banner
exponenta event banner

initctekf

Создать постоянный расширенный фильтр Калмана из отчета об обнаружении

свернуть все на странице

Синтаксис

filter = initctekf (обнаружение)

Описание

пример

filter = initctekf(detection) создает и инициализирует расширенный Калман с постоянной скоростью поворота filter из информации, содержащейся в detection отчет. Дополнительные сведения о расширенном фильтре Калмана см. в разделе trackingEKF.

Функция инициализирует состояние постоянной скорости поворота с тем же соглашением, что и constturn и ctmeas, [x; vx; y; vy; ω; z; vz], где λ - скорость поворота.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создайте и инициализируйте объект расширенного фильтра Калмана с постоянной скоростью поворота 2-D из начального отчета об обнаружении.

Создайте отчет об обнаружении из начального измерения 2-D (-250, -40) положения объекта. Предположим, что несоотнесенный шум измерения.

Увеличьте измерение до трех размеров, добавив нулевую z-составляющую.

detection = objectDetection(0,[-250;-40;0],'MeasurementNoise',2.0*eye(3), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',2});

Создайте новый фильтр из отчета об обнаружении и просмотрите свойства фильтра.

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

                          State: [7x1 double]
                StateCovariance: [7x7 double]

             StateTransitionFcn: @constturn
     StateTransitionJacobianFcn: @constturnjac
                   ProcessNoise: [4x4 double]
        HasAdditiveProcessNoise: 0

                 MeasurementFcn: @ctmeas
         MeasurementJacobianFcn: @ctmeasjac
               MeasurementNoise: [3x3 double]
    HasAdditiveMeasurementNoise: 1

                EnableSmoothing: 0

Показать состояние.

filter.State
ans = 7×1

  -250
     0
   -40
     0
     0
     0
     0

Отображение матрицы ковариации состояния.

filter.StateCovariance
ans = 7×7

    2.0000         0         0         0         0         0         0
         0  100.0000         0         0         0         0         0
         0         0    2.0000         0         0         0         0
         0         0         0  100.0000         0         0         0
         0         0         0         0  100.0000         0         0
         0         0         0         0         0    2.0000         0
         0         0         0         0         0         0  100.0000
Открыть сценарий в реальном времени

Инициализируйте 2-й постоянный-turnrate расширенный фильтр Кальмана 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 45 градусов, 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 'HasElevation' кому false. Затем измерение состоит из азимута, диапазона и скорости диапазона.

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

                     Time: 0
              Measurement: [3x1 double]
         MeasurementNoise: [3x3 double]
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}


filter = initctekf(detection);

Вектор состояния фильтра.

disp(filter.State)
  732.1068
   -2.8284
  667.1068
    2.1716
         0
  -10.0000
         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. Функция предполагает стандартное отклонение ускорения 1 м/с2 и стандартное отклонение ускорения скорости поворота 1 °/с2.

  • 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