initcvmscekf
Постоянная скорость trackingMSCEKF
Описание
mscekf = initcvmscekf(detection)trackingMSCEKF класс (расширенный фильтр Калмана для отслеживания в измененных сферических координатах) на основе информации, представленной в objectDetection объект, detection. Функция принимает целевую область значений 3e4 модули измерения и диапазон-ковариация 1e10 модули2.
The trackingMSCEKF Объект может использоваться с трекерами для слежения за целями с измерениями только под углом от одного наблюдателя.
mscekf = initcvmscekf(detection,rangeEstimation)rangeEstimation переменная является двухэлементным вектором, где первый элемент задает диапазон целевого объекта, а второй элемент задает стандартное отклонение в области значений.
Примеры
Инициализируйте trackingMSCEKF Обнаружение объекта только под углом
Создайте обнаружение только угла.
detection = objectDetection(0,[30;20],'MeasurementParameters',... struct('Frame','Spherical','HasRange',false));
Использование initcvmscekf для создания trackingMSCEKF фильтр инициализирован с помощью обнаружения только угла.
filter = initcvmscekf(detection)
filter =
trackingMSCEKF with properties:
State: [6x1 double]
StateCovariance: [6x6 double]
StateTransitionFcn: @constvelmsc
StateTransitionJacobianFcn: @constvelmscjac
ProcessNoise: [3x3 double]
HasAdditiveProcessNoise: 0
ObserverInput: [3x1 double]
MeasurementFcn: @cvmeasmsc
MeasurementJacobianFcn: @cvmeasmscjac
MeasurementNoise: [2x2 double]
HasAdditiveMeasurementNoise: 1
Инициализация trackingMSCEKF Объект с обнаружением от Вращающегося Датчика
Создайте параметры измерения для последующего вращения.
measParamSensorToPlat = struct('Frame','Spherical','HasRange',false,... 'Orientation',rotmat(quaternion([0 0 30],'rotvecd'),'frame'))
measParamSensorToPlat = struct with fields:
Frame: 'Spherical'
HasRange: 0
Orientation: [3x3 double]
measParamPlatToScenario = struct('Frame','Rectangular','HasRange',false,... 'Orientation',rotmat(quaternion([30 0 0],'rotvecd'),'frame'))
measParamPlatToScenario = struct with fields:
Frame: 'Rectangular'
HasRange: 0
Orientation: [3x3 double]
measParam = [measParamSensorToPlat;measParamPlatToScenario];
detection = objectDetection(0,[30;20],'MeasurementParameters',measParam);Инициализируйте фильтр.
filter = initcvmscekf(detection);
Проверьте, что измерение фильтра то же, что и обнаружение.
cvmeasmsc(filter.State,measParam)
ans = 2×1
30.0000
20.0000
Отслеживайте цель постоянной скорости, используя trackerGNN
Рассмотрим сценарий, когда цель движется с постоянной скоростью вдоль и наблюдатель движется с постоянным ускорением. Задайте начальное состояние цели с помощью модели постоянной скорости.
tgtState = [2000;-3;500;-5;0;0];
Задайте начальное состояние наблюдателя с помощью модели постоянного ускорения.
observerState = [0;2;0;490;-10;0.2;0;0;0];
Создайте trackerGNN объект для использования с initcvmscekf с некоторой предварительной информацией о области значений и диапазоне-ковариации.
range = 1000;
rangeStdDev = 1e3;
rangeEstimate = [range rangeStdDev];
tracker = trackerGNN('FilterInitializationFcn',@(det)initcvmscekf(det,rangeEstimate));Моделируйте синтетические данные с помощью моделей измерения. Получение az и el информацию с использованием cvmeas функция.
syntheticParams = struct('Frame','Spherical','HasRange',false,... 'OriginPosition',observerState(1:3:end)); meas = cvmeas(tgtState,syntheticParams);
Создайте objectDetection только для угла, чтобы симулировать синтетическое обнаружение.
detection = objectDetection(0,meas,'MeasurementParameters',... struct('Frame','Spherical','HasRange',false),'MeasurementNoise',0.033*eye(2));
Создайте trackPlotter и platformPlotter, чтобы визуализировать сценарий.
tp = theaterPlot('XLimits',[0 2500],'YLimits',[0 1000]); targetPlotter = platformPlotter(tp,'DisplayName','Target','MarkerFaceColor','k'); observerPlotter = platformPlotter(tp,'DisplayName', 'Observer','MarkerFaceColor','r'); trkPlotter = trackPlotter(tp,'DisplayName','Track','MarkerFaceColor','g','HistoryDepth',50); tgtTrajPlotter = trajectoryPlotter(tp,'DisplayName','Target Trajectory','Color','k'); obsTrajPlotter = trajectoryPlotter(tp,'DisplayName','Observer Trajectory','Color','r');
Запустите трекер.
time = 0; dT = 0.1; tgtPoses = []; obsPoses = []; while time < 50 [confTracks,tentTracks,allTracks] = tracker(detection,time); for i = 1:numel(allTracks) setTrackFilterProperties(tracker,allTracks(i).TrackID,'ObserverInput',observerState(3:3:end)); end % Update synthetic detection. observerState = constacc(observerState,dT); tgtState = constvel(tgtState,dT); syntheticParams.OriginPosition = observerState(1:3:end); detection.Measurement = cvmeas(tgtState,syntheticParams); time = time + dT; detection.Time = time; % Update plots tgtPoses = [tgtPoses;tgtState(1:2:end)']; %#ok obsPoses = [obsPoses;observerState(1:3:end)']; %#ok targetPlotter.plotPlatform(tgtState(1:2:end)'); observerPlotter.plotPlatform(observerState(1:3:end)'); tgtTrajPlotter.plotTrajectory({tgtPoses}); obsTrajPlotter.plotTrajectory({obsPoses}); % Plot the first track as there are no false alarms, this should be % the target. % Get positions from the MSC state of the track. cartState = cvmeasmsc(allTracks(i).State,'rectangular') + observerState(1:3:end); trkPlotter.plotTrack(cartState'); end
Входные параметры
Выходные аргументы
Алгоритмы
Функция конфигурирует фильтр с шумом процесса, принимая стандартное отклонение ускорения единичной цели.
Функция конфигурирует ковариацию состояния в кадре MSC с помощью линейного преобразования ковариации в декартовой системе координат.
Вы можете использовать эту функцию как
FilterInitializationFcnсвойствоtrackerTOMHTиtrackerGNNСистемные объекты.Функция инициализирует
ObserverInputотtrackingMSCEKFкласс с нулевым ускорением наблюдателя во всех направлениях. Вы должны использоватьsetTrackFilterPropertiesфункция трекеров для обновленияObserverInput.