主要内容

constvelmscjac

MSC坐标系中等速运动模型的雅可比矩阵

折叠所有页面

语法

[jacobianState, jacobianNoise] = constvelmscjac(状态,vNoise)
[jacobianState, jacobianNoise] = constvelmscjac(状态、vNoise dt)
[jacobianState, jacobianNoise] = constvelmscjac (vNoise, dt, u)

描述

［jacobianState，jacobianNoise) = constvelmscjac (状态，vNoise）根据状态向量和噪声计算运动模型的雅可比矩阵。输入状态定义当前状态，并且vNoise在观察者的笛卡儿坐标系中定义目标加速度噪声。函数假设有一个时间间隔，dt在所有维度中，观察者加速度为零。

的trackingEKF对象允许指定StateTransitionJacobianFcn财产。该函数可作为StateTransitionJacobianFcn当HasAdditiveProcessNoise被设置为假．

［jacobianState，jacobianNoise) = constvelmscjac (状态，vNoise，dt）指定时间间隔，dt．该函数假定所有维度的观察者加速度为零。

例子

［jacobianState，jacobianNoise) = constvelmscjac (状态，vNoise，dt，u）指定观察者输入，u，在时间间隔内，dt．

例子

全部折叠

打开生活的脚本

定义一个2-D MSC的状态向量。

状态= (0.5;0.01;0.001;0.01);

假设dt = 1秒，没有观测器机动，目标加速度噪声为零，计算雅可比矩阵。

[jacobianState, jacobianNoise] = constvelmscjac(状态,0 (2,1))% #好吧
jacobianState =4×41.0000 0.9900 -0.0000 -0.0098 -0.0000 0.9800 -0.0000 -0.0194 0.9901 -0.0010 -0.0000 0.0194 -0.0000 0.9800
jacobianNoise =4×210－３× -0.2416 0.4321 0.4851 0.8574 -0.0004 -0.0002 0.8574 0.4851

给定dt = 0.1秒，无观测器机动，目标加速度噪声为单位标准差，计算雅可比矩阵。

[jacobianState, jacobianNoise] = constvelmscjac(状态,randn (2, 1), 0.1)% #好吧
jacobianState =4×41.0000 0.0999 0.0067 -0.0001 -0.0001 0.9980 0.1348 -0.0020 -0.0000 -0.0000 0.9990 -0.0001 0.0001 0.0020 0.1351 0.9980
jacobianNoise =4×210－4× -0.0240 0.0438 -0.4800 0.8755 -0.0000 0.8755 0.800

在给定dt = 0.1秒和观察者加速度=[0.1 0.3]的二维观察者笛卡尔坐标下，计算雅可比矩阵。

[jacobianState, jacobianNoise] = constvelmscjac(状态,randn (2, 1), 0.1, [0.1, 0.3])
jacobianState =4×41.0000 0.0999 0.0081 -0.0001 0.0002 0.9980 0.1625 -0.0020 -0.0000 -0.0000 0.9990 -0.0001 0.0002 0.0020 -0.1795 0.9980
jacobianNoise =4×210－4× -0.0240 0.0438 -0.4800 0.8756 -0.0000 0.8756 0.800

输入参数

全部折叠

在修正球坐标中相对于观察者定义的状态，指定为矢量。例如，如果有一个匀速目标状态，xT，和等速观测器状态，xO,那么状态被定义为xT - xO在修正球坐标中变换。

修正球面坐标(MSC)的二维版本也称为修正极坐标(MPC)。

如果动议通过:

  • 2-D空间——状态等于[阿兹azRate1／r虚拟现实/r］

  • 3-D空间—状态等于[阿兹ω埃尔elRate1／r虚拟现实/r］

约定中使用的变量有:

  • 阿兹——方位角(rad)

  • 埃尔——仰角(rad)

  • azRate——方位角速率(rad/s)

  • elRate——上升速率(rad/s)

  • ω- - -azRate×cos (埃尔) (rad / s)

  • 1／r- 1 /范围(1 / m)

  • 虚拟现实/r——量程速率/量程或逆走时(1/s)

数据类型:单|双

场景中的目标加速度噪声，指定为2或3个元素的向量。

数据类型:双

当前状态与待计算状态的时间之间的时间差，指定为实有限数值标量。

数据类型:单|双

观察者输入，指定为向量或矩阵。基于观测器的维度，观测器输入对状态预测的影响如下:

  • 当元素的数量u等于元素的个数状态,输入u假设为观察者在该时间间隔内所执行的机动，dt．机动被定义为观察者高于一阶(或恒定速度)的运动。

  • 当元素的数量u等于里面元素数量的一半状态,输入u假设观察者的加速度是恒定的，在此时间间隔内在场景框架中指定，dt．

数据类型:双

输出参数

全部折叠

预测状态相对于前一个状态的雅可比矩阵，返回为n——- - - - - -n矩阵,n是状态向量中的状态数。

数据类型:双

预测状态相对于噪声元素的雅可比矩阵，返回为n——- - - - - -米矩阵。的变量n状态向量中的状态数，以及变量米为过程噪声项的个数。也就是说,米= 2表示二维空间中的状态米= 3表示三维空间中的状态。

例如，如果状态向量是二维空间中的4 × 1向量，vNoise一定是一个2 × 1的向量，然后呢jacobianNoise是一个4 × 2矩阵。

如果状态向量是三维空间中的6乘1向量，vNoise一定是一个3 × 1的向量，然后呢jacobianNoise是一个6 × 3矩阵。

数据类型:双

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

对象

功能

介绍了R2018b

传感器融合和跟踪工具箱文档

万博1manbetx

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