initrpekf

等速范围-参数EKF初始化

折叠所有页面

句法

滤波器= initrpekf（检测）

FILTER = initrpekf（检测，numFilters）

FILTER = initrpekf（检测，numFilters，rangeLimits）

描述

过滤= initrpekf（发现）配置有6个扩展卡尔曼滤波器（EKFs）的过滤器，并且假设目标范围为内1E3和1E5场景单位。的功能配置与在加速单元的标准偏差的处理噪声。

的范围内，参数扩展的卡尔曼滤波器（RPEKF）是一个高斯累加滤波器（trackingGSF）具有多个EKFs，每个在所述目标的估计范围初始化。范围参数化是一种常用的技术来从仅角度检测初始化的滤波器。

过滤= initrpekf（发现，numFilters）指定在过滤器EKFs的数量。

例

过滤= initrpekf（发现，numFilters，rangeLimits）指定目标的范围限制。

例子

全部收缩

初始化RPEKF从角度，只有检测和可视化过滤器

开立真实脚本

所述RPEKF是一种特殊类型的过滤器，可以只使用角的测量被初始化，即，方位角和/或仰角的。当。。。的时候'帧'设定为'球形'和'HasRange'设定为'假'中，检测具有[方位角仰角]测量。适当地指定测量参数来定义与无范围的信息的唯一角度测量。

measParam =结构（'帧'，'球形'，'HasRange'，假，'OriginPosition'[100; 10; 0]）;

该objectDetection类定义由传感器测得的角度仅检测的接口。该MeasurementParameters现场objectDetection携带关于什么传感器测量的信息。

检测= objectDetection（0，[30; 30]，'MeasurementParameters'，measParam，'MeasurementNoise'，2 *眼（2））;

该initrpekf函数使用仅角检测初始化RPEKF。

rpekf = initrpekf（检测）％＃好

rpekf = trackingGSF具有属性：状态：[6X1双] StateCovariance：[6x6的双] TrackingFilters：{6X1细胞} ModelProbabilities：[6X1双] MeasurementNoise：[2×2双]

也可以用10层的过滤器初始化RPEKF并[1000 10000]方案单元的范围限制内操作。

rangeLimits = [1000 10000];numFilters = 10;rpekf = initrpekf（检测，numFilters，rangeLimits）

rpekf = trackingGSF具有属性：状态：[6X1双] StateCovariance：[6x6的双] TrackingFilters：{10×细胞} ModelProbabilities：[10×双] MeasurementNoise：[2×2双]

您也可以指定initrpekf功能作为FilterInitializationFcn到trackerGNN宾语。

funcHandle = @（检测）initrpekf（检测，numFilters，rangeLimits）

funcHandle =与价值function_handle：@（检测）initrpekf（检测，numFilters，rangeLimits）

跟踪= trackerGNN（'FilterInitializationFcn'，funcHandle）

跟踪= trackerGNN与属性：TrackerIndex：0 FilterInitializationFcn：[function_handle]赋值： 'MatchPairs' AssignmentThreshold：[30 Inf文件] MaxNumTracks：100个MaxNumSensors：20 TrackLogic： '历史' ConfirmationThreshold：[2 3] DeletionThreshold：[5 5] HasCostMatrixInput：假HasDetectableTrackIDsInput：假StateParameters：[1x1的结构] NumTracks：0 NumConfirmedTracks：0

可视化的过滤器。

TP = theaterPlot;componentPlot = trackPlotter（TP，'显示名称'，“个人的款项”，'MarkerFaceColor'，'R'）;sumPlot = trackPlotter（TP，'显示名称'，“混合态”，'MarkerFaceColor'，'G'）;indFilters = rpekf.TrackingFilters;POS =零（numFilters，3）;COV =零（3,3，numFilters）;对于I = 1：numFilters POS（I，:) = indFilters {I} .STATE（1：2：结束）;COV（1：3,1：3，1）= indFilters {I} .StateCovariance（1：2：结束，1：2：结束）;结束componentPlot.plotTrack（POS，COV）;mixedPos = rpekf.State（1：2：结束）';mixedPosCov = rpekf.StateCovariance（1：2：结束，1：2：结束）;sumPlot.plotTrack（mixedPos，mixedPosCov）;