initcvekf

Создайте расширенный фильтр Калмана с постоянной скоростью из отчета о обнаружении

Описание

пример

filter = initcvekf(detection) создает и инициализирует расширенный Калман с постоянной скоростью filter из информации, содержащейся в detection отчет. Для получения дополнительной информации о расширенном фильтре Калмана смотрите trackingEKF.

Функция инициализирует состояние постоянной скорости с тем же соглашением, что и constvel и cvmeas, [x; <reservedrangesplaceholder7> <reservedrangesplaceholder6>; y; <reservedrangesplaceholder4> <reservedrangesplaceholder3>; z; <reservedrangesplaceholder1> <reservedrangesplaceholder0>].

Примеры

свернуть все

Создайте и инициализируйте 3-D расширенный объект фильтра Калмана с постоянной скоростью из начального отчета об обнаружении.

Создайте отчет об обнаружении из начального 3-D измерения (10,20,−5) положения объекта.

detection = objectDetection(0,[10;20;-5],'MeasurementNoise',1.5*eye(3), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Sports Car',5});

Создайте новый фильтр из отчета об обнаружении.

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

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

             StateTransitionFcn: @constvel
     StateTransitionJacobianFcn: @constveljac
                   ProcessNoise: [3x3 double]
        HasAdditiveProcessNoise: 0

                 MeasurementFcn: @cvmeas
         MeasurementJacobianFcn: @cvmeasjac
               MeasurementNoise: [3x3 double]
    HasAdditiveMeasurementNoise: 1

                EnableSmoothing: 0

Отображение состояния фильтра.

filter.State
ans = 6×1

    10
     0
    20
     0
    -5
     0

Покажите ковариацию состояния.

filter.StateCovariance
ans = 6×6

    1.5000         0         0         0         0         0
         0  100.0000         0         0         0         0
         0         0    1.5000         0         0         0
         0         0         0  100.0000         0         0
         0         0         0         0    1.5000         0
         0         0         0         0         0  100.0000

Инициализируйте 3-D фильтр Калмана с постоянной скоростью из начального отчета об обнаружении, полученного из 3-D измерения в сферических координатах. Если вы хотите использовать сферические координаты, то вы должны предоставить структуру параметра измерения в качестве части отчета о обнаружении с Frame значение поля установлено в 'spherical'. Установите угол азимута цели 45 степеней, повышение -10 степеней, диапазон 1000 метров и скорость области значений -4,0 м/с.

frame = 'spherical';
sensorpos = [25,-40,0].';
sensorvel = [0;5;0];
laxes = eye(3);
measparms = struct('Frame',frame,'OriginPosition',sensorpos, ...
    'OriginVelocity',sensorvel,'Orientation',laxes,'HasVelocity',true, ...
    'HasElevation',true);
meas = [45;-10;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 = initcvekf(detection);

Вектор состояния фильтра.

disp(filter.State)
  721.3642
   -2.7855
  656.3642
    2.2145
 -173.6482
    0.6946

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])

Выходные аргументы

свернуть все

Расширенный фильтр Калмана, возвращенный как trackingEKF объект.

Алгоритмы

  • Функция вычисляет матрицу шума процесса, принимая за одну секунду временной шаг и стандартное отклонение ускорения 1 м/с2.

  • Вы можете использовать эту функцию как FilterInitializationFcn свойство radarTracker объект.

Расширенные возможности

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

.
Введенный в R2021a
Для просмотра документации необходимо авторизоваться на сайте