主要内容

trackingMSCEKF

扩展卡尔曼滤波器在修改对象跟踪球坐标(MSC)

自从R2018b

扩展所有的页面

描述

的trackingMSCEKF对象代表一个扩展卡尔曼滤波器(EKF)的对象跟踪修改球坐标(MSC)使用angle-only测量从一个观察者。使用过滤器来预测未来位置物体的MSC帧或将多个对象检测与跟踪。您可以指定所需的观察者机动或加速度状态转换关系函数(@constantvelmsc和@constantvelmscjac)通过使用ObserverInput财产。

以下属性是固定的trackingMSCEKF对象:

  • StateTransitionFcn- - - - - -@constvelmsc

  • StateTransitionJacobianFcn- - - - - -@constvelmscjac

  • MeasurementFcn- - - - - -@cvmeasmsc

  • MeasurementJacobianFcn- - - - - -@cvmeasmscjac

  • HasAdditiveProcessNoise- - - - - -假

  • HasAdditiveMeasurementNoise- - - - - -真正的

创建

语法

mscekf = trackingMSCEKF
mscekf = trackingMSCEKF(名称、值)

描述

mscekf= trackingMSCEKF返回一个扩展卡尔曼滤波器使用MSC状态转换关系和度量函数对象追踪器。默认的状态意味着一个静态目标1米的观察者在零方位和仰角。

例子

mscekf= trackingMSCEKF(名称,值)指定的属性使用一个或多个过滤器名称,值对参数。任何未指定的属性默认值。

属性

全部展开

过滤状态,指定为一个实值米元向量。

  • 二维跟踪,米等于四,四维的状态是:(阿兹;azRate; 1 / r; rDot / r)。

    对于三维跟踪,米等于六,六维状态是:(阿兹;azRate; el; elRate; 1 / r; rDot / r)。

阿兹和埃尔是方位角和仰角的弧度。azRate和elRate是方位角和高度角速率的弧度每秒。r是米范围,rDot是米每秒的速度范围。

如果你想要一个过滤器与单精度浮点变量,指定状态作为一个单精度向量变量。例如,

过滤器= trackingMSCEKF(“状态”,单((10;2,13;。4)))

数据类型:单|双

状态误差协方差,指定为一个米——- - - - - -米矩阵米过滤器的大小状态。一个标量扩展到一个输入米——- - - - - -米矩阵。协方差矩阵表示的不确定性过滤状态。米要么是4二维跟踪或63 d跟踪。

例子:眼(6)

这个属性是只读的。

状态转换函数,指定为一个函数处理。这个函数计算时间步的状态向量k在时间步的状态向量k1。为trackingMSCEKF对象,转换函数是固定的@constvelmsc。

数据类型:function_handle

这个属性是只读的。

雅可比矩阵的状态转换函数,指定为一个函数处理。这个函数有相同的输入参数的状态转换函数。为trackingMSCEKF对象,雅可比矩阵转换函数是固定的@constvelmsc。

数据类型:function_handle

过程噪声协方差,指定为一个问——- - - - - -问矩阵。问要么是2或3。过程噪声代表目标的加速度的不确定性。

指定ProcessNoise在任何调用之前预测函数。在以后的调用预测,您可以选择指定的过程噪声作为标量。在这种情况下,过程噪声矩阵的多问——- - - - - -问单位矩阵。

例子:[1.0 - 0.05;0.05 - 2]

加速度或机动的观察者,指定为一个三元素向量。指定一个加速度,使用一个M / 2向量,米要么是4二维跟踪或63 d跟踪。指定一个操作,给一个米元向量。

例子:[1,2,3]

这个属性是只读的。

模型添加剂过程噪音,指定为假。为trackingMSCEKF对象,这个属性是固定的假。

这个属性是只读的。

度量模型函数,指定为一个函数处理,@cvmeasmsc。输入函数米有效状态向量。输出是N有效测量向量。为trackingMSCEKF对象,函数是固定的测量模型@cvmeasmsc。

数据类型:function_handle

这个属性是只读的。

雅可比矩阵的测量功能,指定为一个函数处理。函数的输入参数测量功能。为trackingMSCEKF对象,雅可比矩阵的测量功能是固定的@cvmeasmscjac。

数据类型:function_handle

测量残差的包装过滤器,指定为一个逻辑0(假)或1(真正的)。当指定为真正的,测量函数中指定MeasurementFcn属性必须返回两个输出参数:

  • 第一个参数是测量,作为一个返回米元实值向量。

  • 第二个参数是包装范围,作为一个返回米2实值矩阵,米测量的尺寸。在每一行,第一和第二元素的上下边界对应的测量变量。您可以使用−正或正来表示变量没有较低或上界。

如果你启用这个特性,根据测量范围过滤包装测量残差,这有助于防止过滤器散度测量方法不正确造成的剩余价值。

在cvmeasmsc功能、包装范围为方位角测量(-180 180)度和(-90 90)度仰角测量。其他测量不有界的。

请注意

您可以指定这个属性只在构建过滤器。

测量噪声协方差,指定为一个积极的标量或正定实值矩阵。当指定为一个标量,矩阵的多N——- - - - - -N单位矩阵。N是测量向量的大小。

指定MeasurementNoise在任何调用之前正确的函数。

例子:0.2

这个属性是只读的。

模型添加剂过程噪音,指定为真正的。为trackingMSCEKF对象,这个属性是固定的真正的。

启用状态平滑,指定为假或真正的。将这个属性设置为真正的需要传感器融合和跟踪工具箱™许可证。当指定为真正的,您可以:

  • 使用光滑的功能,传感器融合和跟踪提供的工具箱,平稳状态的估计前面的步骤。在内部,过滤器商店前面的步骤的结果允许向后平滑。

  • 使用指定的最大数量平滑步骤MaxNumSmoothingSteps财产的跟踪滤波器。

最大数量的向后平滑步骤,指定为一个正整数。

依赖关系

要启用这个特性,设置EnableSmoothing财产真正的。

对象的功能

预测 预测状态和状态估计误差协方差的跟踪滤波器
正确的 正确的状态和状态估计误差协方差使用跟踪滤波器
correctjpda 正确的状态和状态估计误差协方差使用跟踪滤波器和JPDA
距离 当前和预测之间的距离的测量跟踪滤波器
可能性 从跟踪滤波器测量的可能性
克隆 创建重复跟踪滤波器
剩余 测量残余和残余噪声跟踪滤波器
初始化 初始化状态和协方差的跟踪滤波器
光滑的 落后的光滑状态跟踪滤波器的估计

例子

全部折叠

打开生活的脚本

这个例子展示了如何制作一个扩展卡尔曼滤波器(EKF)的对象跟踪球坐标(MSC)修改。创建过滤器,预测状态,正确使用测量观测状态估计。

为一个3 - d运动的模型创建过滤器。为MSC指定状态估计框架。

阿兹= 0.1;%的弧度azRate = 0;r = 1000;rDot = 10;el = 0.3;%的弧度elRate = 0;ω= azRate * cos (el);mscekf = trackingMSCEKF (“状态”,(az,ω;el; elRate; 1 / r; rDot / r));

使用一个常数预测滤波器状态观测器加速度。

mscekf。ObserverInput = [1, 2, 3];预测(mscekf);%的默认时间1秒。预测(mscekf, 0.1);%预测使用dt = 0.1秒。

正确使用一个过滤器状态angle-only测量。

量= (5;18);%测量方位角和仰角度正确的(mscekf、量);

引用

[1]Aidala,诉哈梅尔,S。,1983年。利用极坐标bearings-only跟踪修改。IEEE自动控制,28(3),页- 294。

版本历史

介绍了R2018b

另请参阅

||||