initcackf

创建一个加速度恒定容积卡尔曼滤波跟踪对象,trackingCKF,从最初的检测报告。检测报告是由最初的3 d位置测量卡尔曼滤波器的状态在直角坐标系中。您可以获得使用恒定加速度测量的三维位置测量功能,cameas。

下面的例子使用了坐标,x = 1, y = 3, z = 0和三维位置测量噪声0.2 [1 0;0.2 - 2 0;0 0 1]。

检测= objectDetection (0 (1; 3。0)“MeasurementNoise”0.2 (1 0;0.2 - 2 0;0 0 1);

使用initcackf创建一个trackingCKF过滤器提供位置和初始化使用上面定义的测量噪声。

位置= initcackf(检测)

位置= trackingCKF属性:状态:x1双[9]StateCovariance: [9 x9双]StateTransitionFcn: @constacc ProcessNoise: [3 x3双]HasAdditiveProcessNoise: 0 MeasurementFcn: @cameas MeasurementNoise: [3 x3双]HasAdditiveMeasurementNoise: 1

检查状态的值和测量噪声。验证滤波器的状态,ckf.State,有相同的位置分量检测测量,detection.Measurement。

ckf.State

ans =9×11 0 0 3 0 0 0 0 0

确认过滤测量噪声,ckf.MeasurementNoise,是一样的detection.MeasurementNoise值。

ckf.MeasurementNoise

ans =3×31.0000 0.2000 - 2.0000 1.0000 - 0.2000 0 0 0 0

版权2018年MathWorks公司。

创建一个加速度恒定容积卡尔曼滤波跟踪对象,trackingCKF,从最初的检测报告。检测报告是由最初的3 d位置测量卡尔曼滤波器的状态在球坐标。您可以获得使用恒定加速度测量的三维位置测量功能,cameas。

下面的例子使用了坐标,= 30,e1 = 5, r = 100, rr = 4和测量噪声诊断接头([2.5,2.5,0.5,1]。^ 2)。

量= (30;5;100;4);measNoise =诊断接头([2.5,2.5,0.5,1]。^ 2);

使用MeasurementParameters财产的检测对象定义的框架。当没有定义的字段MeasurementParameters结构使用默认值。在这个例子中,传感器的位置,传感器速度、方向、高度和范围率旗帜违约。

measParams =结构(“帧”,“球”);检测= objectDetection(0,量,“MeasurementNoise”measNoise,…“MeasurementParameters”measParams)

检测与属性= objectDetection:时间:0测量:x1双[4]MeasurementNoise: [4 x4双]SensorIndex: 1 ObjectClassID: 0 MeasurementParameters: [1 x1 struct] ObjectAttributes: {}

使用initcackf创建一个trackingCKF过滤器提供位置和初始化使用上面定义的测量噪声。

位置= initcackf(检测)

位置= trackingCKF属性:状态:x1双[9]StateCovariance: [9 x9双]StateTransitionFcn: @constacc ProcessNoise: [3 x3双]HasAdditiveProcessNoise: 0 MeasurementFcn: @cameas MeasurementNoise: [4 x4双]HasAdditiveMeasurementNoise: 1

确认上面的过滤状态产生相同的测量。

meas2 = cameas位置。状态,measParams)

meas2 =4×130.0000 5.0000 100.0000 4.0000