initrpekf

Параметризация EKF в диапазоне постоянных скоростей

Описание

filter = initrpekf(detection) конфигурирует фильтр с 6 расширенными фильтрами Калмана (EKF), и целевая область значений принято в пределах 1e3 и 1e5 модулями сценария. Функция конфигурирует шум процесса с единичным стандартным отклонением в ускорении.

Параметризированный в диапазоне расширенный фильтр Калмана (RPEKF) является фильтром Гауссова сумма (trackingGSF) с несколькими EKF, каждый инициализирован в предполагаемой области значений целевого объекта. Параметризация области значений является обычно используемым методом, чтобы инициализировать фильтр только с обнаружения угла.

filter = initrpekf(detection,numFilters) задает количество EKF в фильтре.

пример

filter = initrpekf(detection,numFilters,rangeLimits) задает пределы области значений целевого объекта.

Примеры

свернуть все

RPEKF является специальным типом фильтра, который может быть инициализирован с помощью измерений только угол, то есть азимут и/или повышение. Когда 'Frame' установлено в 'spherical' и 'HasRange' установлено в 'false', обнаружение имеет [азимутальное повышение] измерения. Задайте параметры измерения соответствующим образом, чтобы задать измерение только под углом без информации о области значений.

measParam = struct('Frame','spherical','HasRange',false,'OriginPosition',[100;10;0]);

The objectDetection класс задает интерфейс для обнаружения только угла, измеренного датчиком. The MeasurementParameters область objectDetection содержит информацию о том, что измеряет датчик.

detection = objectDetection(0,[30;30],'MeasurementParameters',measParam,'MeasurementNoise',2*eye(2));

The initrpekf функция использует обнаружение только угла, чтобы инициализировать RPEKF.

rpekf = initrpekf(detection) %#ok
rpekf = 
  trackingGSF with properties:

                 State: [6x1 double]
       StateCovariance: [6x6 double]

       TrackingFilters: {6x1 cell}
    ModelProbabilities: [6x1 double]

      MeasurementNoise: [2x2 double]

Можно также инициализировать RPEKF с 10 фильтрами и работать в пределах области значений модулей сценария [1000, 10 000].

rangeLimits = [1000 10000];
numFilters = 10;
rpekf = initrpekf(detection, numFilters, rangeLimits)
rpekf = 
  trackingGSF with properties:

                 State: [6x1 double]
       StateCovariance: [6x6 double]

       TrackingFilters: {10x1 cell}
    ModelProbabilities: [10x1 double]

      MeasurementNoise: [2x2 double]

Можно также задать initrpekf функция как FilterInitializationFcn на trackerGNN объект.

funcHandle = @(detection)initrpekf(detection,numFilters,rangeLimits)
funcHandle = function_handle with value:
    @(detection)initrpekf(detection,numFilters,rangeLimits)

tracker = trackerGNN('FilterInitializationFcn',funcHandle)
tracker = 
  trackerGNN with properties:

                  TrackerIndex: 0
       FilterInitializationFcn: [function_handle]
                    Assignment: 'MatchPairs'
           AssignmentThreshold: [30 Inf]
                  MaxNumTracks: 100
                 MaxNumSensors: 20

                  OOSMHandling: 'Terminate'

                    TrackLogic: 'History'
         ConfirmationThreshold: [2 3]
             DeletionThreshold: [5 5]

            HasCostMatrixInput: false
    HasDetectableTrackIDsInput: false
               StateParameters: [1x1 struct]

                     NumTracks: 0
            NumConfirmedTracks: 0

Визуализируйте фильтр.

tp = theaterPlot;
componentPlot = trackPlotter(tp,'DisplayName','Individual sums','MarkerFaceColor','r');
sumPlot = trackPlotter(tp,'DisplayName','Mixed State','MarkerFaceColor','g');

indFilters = rpekf.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 = rpekf.State(1:2:end)';
mixedPosCov = rpekf.StateCovariance(1:2:end,1:2:end);
sumPlot.plotTrack(mixedPos,mixedPosCov);

Figure contains an axes. The axes contains 2 objects of type line. These objects represent Individual sums, Mixed State.

Входные параметры

свернуть все

Отчет об обнаружении, заданный как objectDetection объект.

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

Количество EKF, каждый из которых инициализирован в предполагаемой области значений целевого значения, заданном как положительное целое число. Когда не задано, количество EKF по умолчанию 6.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Пределы области значений цели, заданные как двухэлементный вектор. Два элемента вектора представляют нижний и верхний пределы целевой области значений. Если не задано, пределы области значений по умолчанию являются единицами модулей сценария [1e3 1e5].

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Выходные аргументы

свернуть все

Параметризированный расширенный фильтр Калмана (EKF) с постоянной скоростью, возвращенный как trackingGSF объект.

Ссылки

[1] Персик, Н. «Отслеживание только подшипников с использованием набора параметризованных в диапазоне расширенных фильтров Калмана». IEE Processions-Control Theory and Applications 142, No. 1 (1995): 73-80.

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

.

См. также

Функции

Объекты

Введенный в R2018b
Для просмотра документации необходимо авторизоваться на сайте