主要内容

correctjpda

正确的状态和状态估计误差协方差使用跟踪滤波器和JPDA

自从R2021a

所有的页面崩溃

语法

[xcorr, Pcorr] = correctjpda(过滤、zmeas jpdacoeffs)
[xcorr, Pcorr] = correctjpda(过滤、zmeas jpdacoeffs measparams)
[xcorr, Pcorr] = correctjpda(过滤、zmeas jpdacoeffs zcov)
[xcorr, Pcorr zcorr] = correctjpda(过滤、zmeas jpdacoeffs)
[xcorr, Pcorr zcorr] = correctjpda(过滤、zmeas jpdacoeffs zcov)

描述

(xcorr,Pcorr)= correctjpda (过滤器,zmeas,jpdacoeffs)返回修正后的状态,xcorr修正后的状态估计误差协方差,Pcorr,为下一个时间步输入的跟踪滤波器。修正后的值是基于一组测量,zmeas和他们的联合概率数据关联系数,jpdacoeffs。这些值覆盖的内部状态和状态估计误差协方差过滤器。

(xcorr,Pcorr)= correctjpda (过滤器,zmeas,jpdacoeffs,measparams)指定其他参数使用的测量中定义的函数MeasurementFcn跟踪滤波的属性对象。

如果过滤器是一个trackingKF或trackingABF对象,然后你不能使用这个语法。

(xcorr,Pcorr)= correctjpda (过滤器,zmeas,jpdacoeffs,zcov)指定额外的测量协方差,zcov中使用,MeasurementNoise的属性过滤器。

只有当你可以使用这个语法过滤器是一个trackingKF对象。

(xcorr,Pcorr,zcorr)= correctjpda (过滤器,zmeas,jpdacoeffs)还返回测量的校正,zcorr。

只有当你可以使用这个语法过滤器是一个trackingABF对象。

(xcorr,Pcorr,zcorr)= correctjpda (过滤器,zmeas,jpdacoeffs,zcov)返回测量的校正,zcorr协方差,并指定额外的测量,zcov中使用,MeasurementNoise的属性过滤器。

只有当你可以使用这个语法过滤器是一个trackingABF对象。

输入参数

全部折叠

过滤器对象跟踪、指定为这些对象之一:

测量,指定为一个米——- - - - - -N矩阵,米是一个测量的尺寸,N是测量的数量。

数据类型:单|双

联合概率数据关联系数,指定为一个(N+ 1)元向量。的我th (我= 1,…,N)的元素jpdacoeffs的联合概率我th测量zmeas与过滤有关。最后一个元素的jpdacoeffs对应的概率没有测量相关的过滤器。的所有元素的和jpdacoeffs必须等于1。

数据类型:单|双

测量协方差,指定为一个米——- - - - - -米矩阵,米测量的尺寸。相同的测量假设协方差矩阵中所有测量zmeas。

数据类型:单|双

测量函数参数,指定为一个以逗号分隔的参数。这些观点是相同的那些传递到指定的测量功能MeasurementFcn财产的跟踪滤波器。如果过滤器是一个trackingKF或trackingABF对象,然后你不能指定measparams。

假设您设置MeasurementFcn来@cameas,然后调用correctjpda:

[xcorr, Pcorr] = correctjpda(过滤、帧sensorpos sensorvel)
的correctjpda函数内部调用如下:
量= cameas(状态、帧sensorpos sensorvel)

输出参数

全部折叠

修正状态,作为一个返回P元向量,P的维数估计的状态。修正后的国家代表后验状态向量的估计,考虑到当前的测量及其相关的概率。

修正状态误差协方差,作为正定返回P——- - - - - -P矩阵,P是状态估计的尺寸。修正后的状态协方差矩阵表示后验估计的协方差矩阵,考虑当前的测量及其相关的概率。

修正测量,作为一个返回米——- - - - - -N矩阵,米是一个测量的尺寸,N是测量的数量。你可以返回zcorr只有当过滤器是一个trackingABF对象。

更多关于

全部折叠

JPDA修正离散扩展卡尔曼滤波算法

测量更新的常规卡尔曼滤波器,滤波器通常只需要更新状态和协方差基于一个测量。例如,测量更新方程的离散卡尔曼滤波器可以作为扩展

x k + = x k − + K k ( y − h ( x k − ) ) P k + = P k − − K k 年代 k K k T

在哪里xk−和xk+先验和后验状态估计,分别Kk卡尔曼增益,y是实际的测量,然后呢h(xk−)是预测测量。Pk−和Pk+先验和后验状态误差协方差矩阵,分别。创新矩阵年代k被定义为

年代 k = H k P k − H k T

在哪里Hk是测量的雅可比矩阵函数h。

工作流的JPDA跟踪器,过滤器需要处理多个可能的测量y我(我= 1,…,N)与不同概率的协会β我(我= 0,1,…,N)。请注意,β0的概率是不相关的测量过滤器。测量更新方程离散扩展卡尔曼滤波器用于JPDA追踪

x k + = x k − + K k ∑ 我 = 1 N β 我 ( y 我 − h ( x k − ) ) P k + = P k − − ( 1 − β 0 ) K k 年代 k K k T + P k

在哪里

P k = K k ∑ 我 = 1 N ( β 我 ( y 我 − h ( x k − ) ) ( y 我 − h ( x k − ) ) T − ( δ y ) ( δ y ) T ] K k T

和

δ y = ∑ j = 1 N β j ( y j − h ( x k − ) )

注意,这些方程只适用于trackingEKF和不准确的方程用于其他跟踪滤波器。

引用

[1]Fortmann, T。,Y. Bar-Shalom, and M. Scheffe. "Sonar Tracking of Multiple Targets Using Joint Probabilistic Data Association."IEEE海洋工程》杂志上。第三卷。8日,1983年,页173 - 184。

扩展功能

版本历史

介绍了R2021a

另请参阅

||||||