Ковариационное слияние с использованием перекрестной ковариации
[ преобразует состояния дорожки в fusedState,fusedCov] = fusexcov(trackState,trackCov)trackState и соответствующие им ковариационные матрицы trackCov. Функция оценивает сросшееся состояние и ковариацию в байесовской среде, в которой перекрестная корреляция между треками неизвестна.
[ задает перекрестный ковариационный коэффициент для эффективного коэффициента корреляции при вычислении перекрестного ковариационного коэффициента.fusedState,fusedCov] = fusexcov(trackState,trackCov,crossCovFactor)
Задайте вектор состояния треков.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Задайте ковариационные матрицы треков.
p(:,:,1) = [10 5 0; 5 10 0;0 0 1]; p(:,:,2) = [10 -5 0; -5 10 0;0 0 1]; p(:,:,3) = [12 9 0; 9 12 0;0 0 1];
Оцените слитый вектор состояния и его ковариацию.
[fusedState,fusedCov] = fusexcov(x,p);
Использование trackPlotter для построения графика результатов.
tPlotter = theaterPlot('XLim',[-10 10],'YLim',[-10 10],'ZLim',[-10 10]); tPlotter1 = trackPlotter(tPlotter, ... 'DisplayName','Input Tracks','MarkerEdgeColor',[0.000 0.447 0.741]); tPlotter2 = trackPlotter(tPlotter, ... 'DisplayName','Fused Track','MarkerEdgeColor',[0.850 0.325 0.098]); plotTrack(tPlotter1,x',p) plotTrack(tPlotter2, fusedState', fusedCov) title('Cross-Covariance Fusion')
Задайте вектор состояния треков.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Задайте ковариационные матрицы треков.
p(:,:,1) = [10 5 0; 5 10 0;0 0 1]; p(:,:,2) = [10 -5 0; -5 10 0;0 0 1]; p(:,:,3) = [12 9 0; 9 12 0;0 0 1];
Оцените слитый вектор состояния и его ковариацию. Задайте перекрестный ковариационный коэффициент 0.5.
[fusedState,fusedCov] = fusexcov(x,p,0.5);
Использование trackPlotter для построения графика результатов.
tPlotter = theaterPlot('XLim',[-10 10],'YLim',[-10 10],'ZLim',[-10 10]); tPlotter1 = trackPlotter(tPlotter, ... 'DisplayName','Input Tracks','MarkerEdgeColor',[0.000 0.447 0.741]); tPlotter2 = trackPlotter(tPlotter, ... 'DisplayName','Fused Track','MarkerEdgeColor',[0.850 0.325 0.098]); plotTrack(tPlotter1,x',p) plotTrack(tPlotter2, fusedState', fusedCov) title('Cross-Covariance Fusion')
[1] Бар-Шалом, Яаков и Сяо-Жун Ли. Multitarget-мультисенсорное отслеживание: принципы и методы. Том 19. Storrs, CT: YBs, 1995.
[2] Венг, Чжиюань, и Петар М. Джурич. «Байесовский подход к ковариационной оценке и слиянию данных». В 2012 году Материалы 20-й Европейской конференции по обработке сигналов, стр. 2352-2356. IEEE, 2012.
[3] Мацка, Стефан и Ричард Альтендорфер. «Сравнение алгоритмов слияния трек-и-трек для слияния автомобильных датчиков». В Multisensor Fusion and Integration for Intelligent Systems, pp. 69-81. Спрингер, Берлин, Гейдельберг, 2009.
