距离

当前和预测之间的距离的测量跟踪滤波器

所有的页面崩溃

语法

dist =距离(过滤器,zmeas)

dist =距离(过滤、zmeas measparams)

经销=距离(过滤器,zmeas)计算归一化一个或多个当前对象之间的距离测量,zmeas,和相应的预测测量计算的输入过滤器。使用这个函数分配跟踪测量。

这个距离的计算考虑了协方差预测状态和测量噪声。

经销=距离(过滤器,zmeas,measparams)指定使用的额外参数MeasurementFcn的过滤器。

如果过滤器是一个trackingKF或trackingABF对象,然后你不能使用这个语法。

过滤器对象跟踪、指定为这些对象之一:

测量跟踪对象,指定为一个矩阵。矩阵的每一行包含一个测量向量。

参数测量功能,指定为一个单元阵列。测量的参数被传递到函数的定义MeasurementFcn财产的过滤器。如果过滤器是一个trackingKF或trackingABF对象,然后你不能指定measparams。

假设您设置MeasurementFcn的属性过滤器来@cameas,然后设置这些值:

measurementParams ={框架、sensorpos sensorpos}

的距离函数内部调用如下:

cameas(状态、帧sensorpos sensorvel)

之间的距离测量,返回一个行向量。每个元素对应一个输入预测之间的距离测量过滤器和测量中包含一行zmeas。

的距离过滤器对象之间的距离计算归一化函数和一组测量。这个距离的计算是一个变体Mahalanobis距离和考虑了残余(对象之间的差异测量和预测的值过滤器),剩余协方差和测量噪声。

考虑一个扩展卡尔曼滤波器的状态x和测量z。使用的方程来计算剩余,z_res残协方差,年代,都是

z_res=z- - - - - -h(x),

年代=R+HPH^T,

地点:

残协方差计算其他过滤器可以从一个显示略有不同,因为跟踪滤波器有不同的传播方式的协方差度量空间。例如,而不是使用雅可比矩阵的协方差度量函数来传播,无味卡尔曼滤波器样本协方差,然后传播采样点。

Mahalanobis距离的方程,d²,是

d²=z_res^T年代¹z,

归一化函数计算的距离距离,d_n,因为

d_n=d²+日志(|年代|),

日志(|年代|)的对数残协方差的行列式年代。

日志(|年代|)项占轨道摸样,也就是说,他们预计,但没有一个更新很久了。在这种状态下可以年代非常大,导致一个更小的距离相对于更新的跟踪。这种差异在距离值导致滑行轨道错误可以从更新的跟踪检测。日志(|年代|)这样的惩罚项补偿这种影响,其预测是高度不确定的。

介绍了R2017a