Сплав ковариации с помощью перекрестной ковариации
[ плавит состояния дорожки в fusedState,fusedCov] = fusexcov(trackState,trackCov)trackState и их соответствующие ковариационные матрицы trackCov. Функция оценивает сплавленное состояние и ковариацию в Байесовой среде, в которой взаимная корреляция между дорожками неизвестна.
[ задает фактор перекрестной ковариации для эффективного коэффициента корреляции при вычислении перекрестной ковариации.fusedState,fusedCov] = fusexcov(trackState,trackCov,crossCovFactor)
Задайте вектор состояния дорожек.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Задайте ковариационные матрицы дорожек.
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 сплавленный вектор состояния и его ковариацию.
[fusedState,fusedCov] = fusexcov(x,p);
Используйте trackPlotter построить результаты.
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 дорожек.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Задайте ковариационные матрицы дорожек.
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 сплавленный вектор состояния и его ковариацию. Задайте фактор перекрестной ковариации 0.5.
[fusedState,fusedCov] = fusexcov(x,p,0.5);
Используйте trackPlotter построить результаты.
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] Панель шалом, Яаков и Сяо-Жун Ли. Отслеживание мультицелевого Мультидатчика: принципы и методы. Издание 19. Сторрз, CT: YBs, 1995.
[2] Вэн, Чжиюань и Петэр М. Djurić. "Байесовский подход к оценке ковариации и сплаву данных". В 2 012 Продолжениях 20-й европейской Конференции по Обработке сигналов, стр 2352-2356. IEEE, 2012.
[3] Matzka, Штефан и Ричард Алтендорфер. "Сравнение алгоритмов сплава от дорожки к дорожке для автомобильного cочетания датчиков". В Fusion Мультидатчика и Интегрировании для Интеллектуальных Систем, стр 69-81. Спрингер, Берлин, Гейдельберг, 2009.
