主要内容

trackingMSCEKF

改进球面坐标下目标跟踪的扩展卡尔曼滤波

全部展开页面

描述

的trackingMSCEKF对象表示扩展卡尔曼滤波器(EKF)的目标跟踪修正球坐标(MSC)使用角度测量从一个单一的观测器。使用该过滤器来预测目标在MSC帧中的未来位置，或将多个目标检测与其轨迹关联。您可以指定状态转换函数所需的观察者机动或加速(@constantvelmsc和@constantvelmscjac)，使用ObserverInput财产。

属性固定了以下属性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返回扩展卡尔曼滤波器，使用MSC状态转换和目标跟踪的测量函数。默认的状态意味着在距离观测者1米的方位和仰角为零的静态目标。

例子

mscekf= trackingMSCEKF(名称,值)使用一个或多个属性指定筛选器的属性名称,值对参数。任何未指定的属性都接受默认值。

属性

全部展开

过滤器状态，指定为实值米元向量。

  • 二维跟踪,米等于4，四维状态为:(阿兹;azRate; 1 / r; rDot / r)．

    对于三维跟踪,米等于6，而六维状态为:(阿兹;azRate; el; elRate; 1 / r; rDot / r)．

阿兹和埃尔是方位角和仰角，单位为弧度。azRate和elRate为方位角和仰角速率，单位为每秒弧度。r距离的单位是米吗rDot是距离速率，单位为米每秒。

如果您希望使用单精度浮点变量的筛选器，请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，指定为米——- - - - - -米矩阵米是筛选器状态的大小。将标量输入扩展为米——- - - - - -米矩阵。协方差矩阵表示滤波器状态的不确定性。米要么是4用于二维跟踪或63 d跟踪。

例子:眼(6)

此属性是只读的。

状态转移函数，指定为函数句柄。这个函数计算时间步长的状态向量k从时间步长的状态向量k1。为trackingMSCEKF对象，则转换函数固定为@constvelmsc．

数据类型:function_handle

此属性是只读的。

状态转移函数的雅可比矩阵，指定为函数句柄。这个函数具有与状态转换函数相同的输入参数。为trackingMSCEKF，则转移函数雅可比矩阵固定为@constvelmsc．

数据类型:function_handle

处理噪声协方差，指定为问——- - - - - -问矩阵。问要么是2或3.．过程噪声表示目标加速度的不确定性。

指定ProcessNoise在任何电话之前预测函数。在后来的电话中预测，您可以选择将流程噪声指定为标量。在这种情况下，过程噪声矩阵是问——- - - - - -问单位矩阵。

例子:[1.0 - 0.05;0.05 - 2］

观测者的加速度或机动，指定为三元素矢量。要指定加速度，请使用M / 2向量,米要么是4用于二维跟踪或63 d跟踪。要指定一个策略，给出一个米元向量。

例子:[1, 2, 3]

此属性是只读的。

模型加性过程噪声，指定为假．为trackingMSCEKF对象中，此属性固定为假．

此属性是只读的。

测量模型功能，指定为功能手柄，@cvmeasmsc．函数的输入是米有效状态向量。输出是N有效测量向量。为trackingMSCEKF对象，测量模型函数是固定的@cvmeasmsc．

数据类型:function_handle

此属性是只读的。

测量函数的雅可比矩阵，指定为函数柄。函数具有与度量函数相同的输入参数。为trackingMSCEKF对象时，测量函数的雅可比矩阵固定为@cvmeasmscjac．

数据类型:function_handle

测量噪声协方差，指定为一个正标量或正定实值矩阵。当指定为标量时，该矩阵是N——- - - - - -N单位矩阵。N为测量向量的大小。

指定MeasurementNoise在任何电话之前正确的函数。

例子:0．2

此属性是只读的。

模型加性过程噪声，指定为真正的．为trackingMSCEKF对象中，此属性固定为真正的．

启用状态平滑，指定为假或真正的．将此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:

  • 使用光滑的函数，在传感器融合和跟踪工具箱中提供，以平滑前面步骤中的状态估计。在内部，过滤器存储前一步的结果，以允许反向平滑。

  • 属性指定平滑步骤的最大数目MaxNumSmoothingSteps跟踪滤波器的特性。

向后平滑步骤的最大数目，指定为正整数。

依赖关系

要启用此属性，请设置EnableSmoothing财产真正的．

对象的功能

预测 预测跟踪滤波器的状态和状态估计误差协方差
正确的 使用跟踪滤波器校正状态和状态估计误差协方差
correctjpda 使用跟踪滤波器和JPDA校正状态和状态估计误差协方差
距离 跟踪滤波器的电流和预测测量值之间的距离
可能性 跟踪滤波器测量的可能性
克隆 创建重复跟踪过滤器
剩余 测量残差和跟踪滤波器的残差噪声
初始化 初始化跟踪滤波器的状态和协方差
光滑的 跟踪滤波器的后向平滑状态估计

例子

全部折叠

打开生活的脚本

这个例子展示了如何在修正球坐标(MSC)下进行扩展卡尔曼滤波器(EKF)的目标跟踪。创建过滤器，预测状态，并使用测量观察来纠正状态估计。

创建一个3d运动模型的过滤器。指定MSC帧的状态估计。

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));

使用恒定的观察者加速度预测滤波器状态。

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

使用仅角度测量来校正滤波器状态。

量= (5;18);%测量方位角和仰角的度数正确的(mscekf、量);

参考文献

Aidala, V.和Hammel, S.， 1983。利用修正极坐标进行仅方位跟踪。机械工程学报，28(3)，pp. 531 - 534。

另请参阅

||||

介绍了R2018b

传感器融合和跟踪工具箱文档

金宝app

自主系统的传感器融合与跟踪

自主系统的传感器融合与跟踪

下载白皮书