文档帮助中心
创建恒定的加速度从检测报告扩展卡尔曼滤波
滤波器= initcaekf(检测)
例
过滤= initcaekf(发现)创建并初始化一个恒定加速扩展卡尔曼过滤从信息包含在发现报告。有关扩展卡尔曼滤波的详细信息,请参阅trackingEKF。
过滤= initcaekf(发现)
过滤
发现
trackingEKF
全部收缩
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。
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 五 ∘ ,提升到 2 2 ∘ 的范围内,以1000米,和距离变化率-4.0米/秒。
帧
'球形'
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。
'HasVelocity'
“HasElevation”
真正的
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
objectDetection
检测报告,指定为objectDetection对象。
例: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,返回为trackingEKF对象。
的函数计算过程噪声矩阵假设一第二时间步长,为1米/秒的加速度率的标准偏差3。
您可以使用此功能作为FilterInitializationFcn一个物业trackerGNN或trackerTOMHT对象。
FilterInitializationFcn
trackerGNN
trackerTOMHT
initcakf
initcaukf
initctekf
initctukf
initcvekf
initcvkf
initcvukf
trackingKF
trackingUKF
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处
现在就试用