帮助中心帮助中心
创建恒定加速度扩展卡尔曼滤波器的检测报告
自从R2021a
过滤器= initcaekf(检测)
例子
过滤器= initcaekf (检测)创建并初始化一个恒定加速度扩展卡尔曼滤波过滤器中包含的信息检测报告。扩展卡尔曼滤波器的更多信息,请参阅trackingEKF。
过滤器= initcaekf (检测)
过滤器
检测
trackingEKF
该函数初始化一个恒定加速度状态相同的约定constacc和cameas,(xvx一个xyvy一个yzvz一个z]。
constacc
cameas
全部折叠
创建并初始化一个三维加速度恒定扩展卡尔曼滤波对象从最初的检测报告。
创建初始三维测量、检测报告(-200;30 0),对象的位置。假设不相关的测量噪声。
检测= objectDetection (0 (-200; -30; 0)“MeasurementNoise”,2.1 *眼(3),…“SensorIndex”,1“ObjectClassID”,1“ObjectAttributes”,{“汽车”2});
创建新的滤波器的检测报告和显示其属性。
过滤器= trackingEKF属性:状态:x1双[9]StateCovariance: [9 x9双]StateTransitionFcn: @constacc StateTransitionJacobianFcn: @constaccjac ProcessNoise: [3 x3双]HasAdditiveProcessNoise: 0 MeasurementFcn: @cameas MeasurementJacobianFcn: @cameasjac HasMeasurementWrapping: 1 MeasurementNoise: [3 x3双]HasAdditiveMeasurementNoise: 1 MaxNumOOSMSteps: 0 EnableSmoothing: 0
显示过滤器的状态。
filter.State
ans =9×1-30 -200 0 0 0 0 0 0 0
显示状态协方差矩阵。
filter.StateCovariance
ans =9×92.1000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 100.0000 2.1000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 100.0000 2.1000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 100.0000
初始化一个3 d恒定加速度扩展卡尔曼滤波器从最初检测报告由一个初始测量球面坐标。如果你想使用球坐标,那么您必须提供一个测量参数结构的检测报告框架字段设置为“球”。设定目标的方位角 4 5 ∘ ,海拔 2 2 ∘ ,范围1000米,速度范围为-4.0 m / s。
框架
“球”
帧=“球”;sensorpos = [25、-40、-10]。';sensorvel = (0; 5。0);宽松=眼(3);
创建测量参数结构。集“HasVelocity”和“HasElevation”来真正的。然后,测量向量由方位、仰角、范围、和范围。
“HasVelocity”
“HasElevation”
真正的
measparms =结构(“帧”框架,“OriginPosition”sensorpos,…“OriginVelocity”sensorvel,“定位”宽松的,“HasVelocity”,真的,…“HasElevation”,真正的);量= (45,22,1000;4);measnoise =诊断接头(3.0、2.5、2、1.0。^ 2);检测= objectDetection(0,量,“MeasurementNoise”,…measnoise,“MeasurementParameters”measparms)
检测与属性= objectDetection:时间:0测量:x1双[4]MeasurementNoise: [4 x4双]SensorIndex: 1 ObjectClassID: 0 ObjectClassParameters: [] MeasurementParameters: [1 x1 struct] ObjectAttributes: {}
过滤器= initcaekf(检测);
显示状态向量。
disp (filter.State)
-1.4984 364.6066 680.6180 - -2.6225 615.6180 - 2.3775 0 0
objectDetection
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])
扩展卡尔曼滤波器,作为一个返回trackingEKF对象。
函数计算过程噪声矩阵假设一秒钟时间步和1 m / s的加速度标准差3。
你可以使用这个函数FilterInitializationFcn财产的radarTracker对象。
FilterInitializationFcn
radarTracker
介绍了R2021a
initctekf
initctukf
initcvkf
initcvekf
initcvukf
initcakf
initcaukf
trackingKF
trackingUKF
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
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