文档帮助中心文档
恒定的速度angle-parameterized卡尔曼滤波器的初始化
过滤器= initapekf(检测)
numFilters过滤器= initapekf(检测)
过滤器= initapekf(检测、numFilters angleLimits)
过滤器= initapekf (检测)配置过滤器10扩展卡尔曼滤波器(ekf)。功能配置过程噪声与单位标准差的加速度。
过滤器= initapekf (检测)
过滤器
检测
angle-parameterized扩展卡尔曼滤波器(APEKF)是一个高斯和过滤器(trackingGSF)与多个卡尔曼滤波器,估计每个初始化目标的角位置。Angle-parametrization是一种常用的技术来初始化一个过滤器从测距检测。
trackingGSF
过滤器= initapekf (检测,numFilters)指定数量的ekf的过滤器。
过滤器= initapekf (检测,numFilters)
numFilters
例子
过滤器= initapekf (检测,numFilters,angleLimits)指定目标的角位置的限制。
过滤器= initapekf (检测,numFilters,angleLimits)
angleLimits
全部折叠
APEKF是一种特殊类型的过滤器,可以初始化使用测距测量。当“帧”被设置为“球”,检测方位海拔范围数据与测量。指定适当的测量参数定义一个测距测量。
“帧”
“球”
measParam =结构(“帧”,“球”,“HasAzimuth”假的,“HasElevation”假的,“HasVelocity”假的,“OriginPosition”,100;10;0);
的objectDetection类定义了一个接口的测距检测测量传感器。的MeasurementParameters领域的objectDetection携带信息的传感器测量。
objectDetection
MeasurementParameters
检测= objectDetection (0100“MeasurementNoise”,100,“MeasurementParameters”measParam)
检测与属性= objectDetection:时间:0测量:100 MeasurementNoise: 100 SensorIndex: 1 ObjectClassID: 0 MeasurementParameters: [1 x1 struct] ObjectAttributes: {}
的initapekf函数使用了APEKF测距检测初始化。
initapekf
apekf = initapekf(检测)% #好吧
apekf = trackingGSF属性:状态:x1双[6]StateCovariance: [6 x6双]TrackingFilters: {10} x1细胞ModelProbabilities: x1双[10]MeasurementNoise: 100
你也可以初始化APEKF 10操作过滤器和角范围内的30][-30度。
angleLimits = 30 [-30];numFilters = 10;apekf = initapekf(检测、numFilters angleLimits)
你也可以指定initapekf作为FilterInitializationFcn到trackerGNN对象。
ilterInitializationFcn
trackerGNN
funcHandle = @(检测)initapekf(检测、numFilters angleLimits)
funcHandle =function_handle与价值:@(检测)initapekf(检测、numFilters angleLimits)
追踪= trackerGNN (“FilterInitializationFcn”,funcHandle);
可视化过滤器。
tp = theaterPlot;componentPlot = trackPlotter (tp,“DisplayName的”,“个人总结”,“MarkerFaceColor”,“r”);sumPlot = trackPlotter (tp,“DisplayName的”,“混合态”,“MarkerFaceColor”,‘g’);indFilters = apekf.TrackingFilters;pos = 0 (numFilters, 3);x = 0 (3 3 numFilters);为i = 1: numFilters pos(我:)= indFilters{我}.State(1:2:结束);浸(1:3,1:3)= indFilters{我}.StateCovariance(1:2:结束,1:2:结束);结束componentPlot.plotTrack (pos、浸);mixedPos = apekf.State(1:2:结束);mixedPosCov = apekf.StateCovariance(1:2:结束,1:2:结束);sumPlot.plotTrack (mixedPos mixedPosCov);
创建一个angle-parameterized EKF (az r)的检测。
measParam =结构(“帧”,“球”,“HasAzimuth”,真的,“HasElevation”假的,“HasVelocity”假的,“OriginPosition”,100;10;0);
侦破= objectDetection (0, (30, 100),“MeasurementParameters”measParam,“MeasurementNoise”10);
的initapekf函数参数化apekf过滤器的高程测量。
apekf
numFilters = 10;numFilters apekf = initapekf(侦破,[-30]30日);indFilters = apekf.TrackingFilters;pos = 0 (numFilters, 3);x = 0 (3 3 numFilters);为i = 1: numFilters pos(我:)= indFilters{我}.State(1:2:结束);浸(1:3,1:3)= indFilters{我}.StateCovariance(1:2:结束,1:2:结束);结束
tp = theaterPlot;componentPlot = trackPlotter (tp,“DisplayName的”,“个人总结”,“MarkerFaceColor”,“r”);sumPlot = trackPlotter (tp,“DisplayName的”,“混合态”,“MarkerFaceColor”,‘g’);componentPlot.plotTrack (pos、浸);mixedPos = apekf.State(1:2:结束);mixedPosCov = apekf.StateCovariance(1:2:结束,1:2:结束);sumPlot.plotTrack (mixedPos mixedPosCov);视图(3);
检测报告,指定为一个objectDetection对象。
例子:检测= objectDetection (0 (1; 4.5; 3)“MeasurementNoise”, (1.0 0 0;2.0 0 0;0 0 1.5])
检测= objectDetection (0 (1; 4.5; 3)“MeasurementNoise”, (1.0 0 0;2.0 0 0;0 0 1.5])
10
卡尔曼滤波器的估计每个初始化目标的角位置,指定为一个正整数。当没有指定,默认的卡尔曼滤波器10。
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64
单
双
int8
int16
int32
int64
uint8
uint16
uint32
uint64
角限制目标,指定为一个双元素向量。这两个向量中的元素代表的上下极限目标角位置。
当功能检测:
测量范围,默认角限制(-180 180)。
方位和距离测量——默认角限制(-90 90)。
恒定速度angle-parameterized扩展卡尔曼滤波器(EKF),作为一个返回trackingGSF对象。
该函数可以支持以下类型的测量检测。金宝app
测量范围,完成参数化目标的方位,和角限制默认(-180 180)。
方位和距离的测量,完成参数化目标,所处的海拔高度和角限制默认(-90 90)。
[1]Ristic,布兰科(Sanjeev Arulampalam,和詹姆斯·麦卡锡。”目标运动分析使用测距测量:测量数据算法、性能和应用。”82岁的信号处理。2 (2002):273 - 296。
initcvekf
trackingEKF
你有一个修改版的这个例子。你想打开这个例子与编辑?
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室