创建并初始化一个3-d的恒定加速度从初始检测报告扩展卡尔曼滤波器对象。

从初始3- d测量创建的检测报告，（-200; 30; 0）中，对象位置的。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}）;

创建从检测报告中的新的过滤器，并显示其属性。

滤波器= initcaekf（检测）

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 MeasurementNoise: [3 x3双]HasAdditiveMeasurementNoise: 1

显示过滤器状态。

filter.State

ANS =9×1英语学习·日积月累英语学习·日积月累英语学习·日积月累

显示状态协方差矩阵。

filter.StateCovariance

ANS =9×92.1000 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 2.1000 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0100.0000 0 0 0 0 0 0 0 0 0 2.1000 0 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 100.0000

初始化一个三维恒定加速度扩展卡尔曼滤波器从初始检测报告作出的初始测量在球坐标。如果要使用球坐标，则必须提供一个测量参数结构作为检测报告的一部分帧字段设置为'球形'。设置目标的方位角 $$4{\mathrm{五}}^{\circ }$$，提升到 $$22^{\circ }$$的范围内，以1000米，和距离变化率-4.0米/秒。

帧='球形';sensorpos = [25，-40，-10]'。sensorvel = [0; 5; 0];laxes =眼（3）;

创建测量参数结构。组'HasVelocity'和“HasElevation”至真正的。然后，测量矢量由方位角、仰角、距离和距离比组成。

measparms =结构（'帧'，帧，'OriginPosition'，sensorpos，...'OriginVelocity'，sensorvel，“定位”，laxes，'HasVelocity'，真正，...“HasElevation”，真正）;MEAS = [45; 22; 1000; -4];measnoise = DIAG（[3.0,2.5,2,1.0] ^ 2）;检测= objectDetection（0，MEAS，'MeasurementNoise'，...measnoise，'MeasurementParameters'，measparms）

检测= objectDetection与属性：时间：0测量：[4X1双] MeasurementNoise：[4×4双] SensorIndex：1 ObjectClassID：0 MeasurementParameters：[1x1的结构] ObjectAttributes：{}

FILTER = initcaekf（检测）;

显示状态向量。

DISP（filter.State）

680.6180 -2.6225 0 615.6180 2.3775 0 364.6066 -1.4984 0