trackingGSF

用于目标跟踪的高斯和滤波器

全部展开到页面中

描述

的trackingGSF对象表示一个用于对象跟踪的高斯和滤波器。你可以用一组有限的高斯和分量来定义状态概率密度函数。使用这个过滤器来跟踪那些由于通过测量状态的不完全可观察性而需要多模型描述的对象。例如，当检测只包含角度测量值时，该滤波器可以用作范围参数化的扩展卡尔曼滤波器。

创建

语法

—= trackingGSF
—= trackingGSF (trackingFilters)
—= trackingGSF (trackingFilters modelProbabilities)
—= trackingGSF (___、“MeasurementNoise”measNoise)

描述

—= trackingGSF返回一个带有两个恒速扩展卡尔曼滤波器的高斯和滤波器(trackingEKF)，初始重量相等。

例子

—= trackingGSF (trackingFilters)指定滤波器的高斯分量trackingFilters。假设滤波器的初始权值是相等的。

—= trackingGSF (trackingFilters,modelProbabilities)中高斯分量的初始权值modelProbabilities并设置ModelProbabilities财产。

—= trackingGSF (___、“MeasurementNoise”measNoise)指定滤波器的测量噪声。的MeasurementNoise属性设置为每个高斯分量。

属性

全部展开

此属性是只读的。

滤波器状态的加权估计，指定为实值米元向量。这种状态是基于滤波器的加权组合来估计的TrackingFilters。使用ModelProbabilities改变重量。

例子:(200;0.2)

数据类型:单|双

此属性是只读的。

状态误差协方差，指定为正定实值米——- - - - - -米矩阵,米是筛选器状态的大小。协方差矩阵表示滤波状态下的不确定性。该状态协方差是基于滤波器的加权组合估计的TrackingFilters。使用ModelProbabilities改变重量。

例子:(20 0.1;0.1 - 1)

数据类型:单|双

过滤器列表，指定为跟踪过滤器的单元数组。在创建对象时指定这些过滤器。默认情况下，过滤器具有相同的概率。指定modelProbabilities如果过滤器有不同的概率。

请注意

每个过滤器的状态必须具有相同的大小和相同的物理意义。

数据类型:细胞

每个滤波器的权值，指定为从0到1的概率向量。默认情况下，筛选器的每个组件的权重是相等的。

数据类型:单|双

测量噪声协方差，指定为正标量或正定实值矩阵。矩阵是边长等于测量次数的正方形。将标量输入推广到一个对角方阵。

指定MeasurementNoise在任何调用之前正确的函数。之后第一次打电话给正确的，您可以选择将测量噪声指定为标量。在这种情况下，测量噪声矩阵是的倍数R——- - - - - -R单位矩阵,R是测量值的数量。

例子:0.2

数据类型:单|双

对象的功能

预测 预测状态和状态估计误差的跟踪滤波器协方差
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修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 从跟踪滤波器测量的可能性
克隆 创建重复跟踪过滤器

例子

全部折叠

打开生活的脚本

此示例演示如何创建和运行trackingGSF过滤器。指定三个扩展卡尔曼滤波器(EKFs)作为高斯和滤波器的组成部分。调用预测和正确的函数用于跟踪对象并根据测量值修正状态估计。

创建三个ekf，每个ekf都有一个分布的状态[0,0,0,0,0,0)通过位置测量来运行。将它们指定为。的输入trackingGSF过滤器。

过滤器=细胞(3,1);过滤器{1}= trackingEKF (@constvel @cvmeas,兰德(6,1),“MeasurementNoise”、眼睛(3));过滤器{2}= trackingEKF (@constvel @cvmeas,兰德(6,1),“MeasurementNoise”、眼睛(3));过滤器{3}= trackingEKF (@constvel @cvmeas,兰德(6,1),“MeasurementNoise”、眼睛(3));—= trackingGSF(过滤器);

调用预测得到滤波器的预测状态和协方差。使用0.1秒的时间步长。

[x_pred, P_pred] =预测(gsf,0.1);

调用正确的用给定的度量。

量= (0.5;0.2;0.3);[xCorr, pCorr] =正确(确定量);

计算滤波器与不同测量值之间的距离。

d =距离(确定,(0,0,0));

参考文献

[1] Alspach, Daniel和Harold Sorenson。使用高斯和近似的非线性贝叶斯估计。IEEE自动控制学报。第17卷，第4期，1972年，439-448页。

B.， Arulampalam, S.和McCarthy, J.， 2002。使用距离测量的目标运动分析:算法，性能和ISAR数据的应用。信号处理，82(2)，页273-296。

[3]桃子,N。”仅方位跟踪使用一组范围参数化扩展卡尔曼滤波器。《IEE程序控制理论与应用》142，不。1 (1995):73 - 80。

扩展功能

C / c++代码生成
使用MATLAB®编码器™生成C和c++代码。

另请参阅

||||

介绍了R2018b

传感器融合和跟踪工具箱文档
万博1manbetx

尝试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

得到审判现在