主要内容

initcagmphd

创造恒定加速度gmphd过滤器

折叠所有页面

语法

PhD = initcagmphd
PhD = initcagmphd(检测)
PhD = initcagmphd(＿＿＿数据类型)

描述

博士学位= initcagmphd初始化一个常数加速度gmphd滤波器中零分量的滤波器。缺省情况下，过滤器的数据类型为双．

例子

博士学位= initcagmphd (检测）初始化一个常数加速度gmphd根据对象检测中提供的信息进行过滤，检测．过滤器的数据类型与检测中测量的数据类型相同。

函数初始化一个恒定的加速度状态与constacc而且cameas, (xvx一个xyvy一个yzvz一个z]。

请注意

此初始化函数与trackerGNN，trackerJPDA,trackerTOMHT系统对象。

博士学位= initcagmphd (＿＿＿，数据类型）指定筛选器的数据类型为单或双．

例子

全部折叠

打开实时脚本

考虑一个点目标位于[1, 2, 3]。为使用的目标创建检测objectDetection．

检测= objectDetection(0，[1;2;3]);

初始化恒定加速度gmphd过滤器使用initcagmphd．

PhD = initcagmphd(检测);

说明phd滤波器的初始状态和范围设置。

国家=博士。州
状态=9×11 0 0 2 0 0 3 0 0
程度=博士。HasExtent
程度上=逻辑0
打开实时脚本

考虑一个位于[1;2;3]的扩展对象。物体的探测在x、y、z方向上均匀分布，尺寸分别为1.2、2.3、3.5。为对象生成20个随机分布的检测objectDetection．

检测= cell(20,1);位置= [1;2;3];尺寸= [1.2;2.3;3.5];rng (2019);测量=位置+尺寸。*(-1 + 2*rand(3,20));为i = 1:20 detection {i} = objectDetection(0,measurements(:，i));结束

初始化恒定加速度gmphd过滤器使用initcagmphd．

PhD = initcagmphd(检测);

滤波器的初始状态与测量值的平均值相同。

国家=博士。州
状态=9×11.1034 0 0 2.5597 0 0 2.4861 0 0
Mean_measure = mean(测量值，2)
mean_measure =3×11.1034 2.5597 2.4861

                    

                   

                  

                  
缺省情况下，该函数设置HasExtent如果测量次数大于1，则属性为true。

                  

                   

                    

                     
程度=博士。HasExtent

                    

                   

                  

                  

                   

                    

                     
程度上=逻辑1

                    

                   

                  

                  

                 

                

               

              

              

               
               
              

             

            

            

             
输入参数

             

              
全部折叠

              

               

                

                 

                  
                  

                   

                    
的单元格数组指定的对象检测objectDetection对象。你可以创建检测直接，或者可以获取检测从传感器对象的输出，如radarSensor，monostaticRadarSensor，irSensor,sonarSensor．

                    
例子:detection = objectDetection(0，[1;4.5;3]，' measuentnoise '，[1.0 0 0;0 2.0 0;0 0 1.5])

                   

                  

                 

                

               

               

                

                 

                  
                  

                   

                    
过滤器中使用的变量的数据类型，指定为“单身”用于单精度和“替身”双精度。当指定为“单身”，初始化的过滤器不使用任何双精度变量。

                    
数据类型:单|双

                   

                  

                 

                

               

              

             

            

            

             
输出参数

             

              
全部折叠

              

               

                

                 
                 

                  

                   
高斯混合PHD滤波器，返回为agmphd对象。

                  

                 

                

               

              

             

            

            

             
算法

             

             

              
    
               
  • 你可以使用initcagmphd随着FilterInitializationFcn的属性trackingSensorConfiguration．
    • 
               
  • 当提供检测作为输入时，该函数向密度中添加一个分量，该分量反映检测的平均值。在没有任何输入的情况下调用函数时，将初始化一个密度中没有任何组件的过滤器。
    • 
               
  • 该函数使用测量值的分布来指定位置协方差。
    • 
               
  • 该函数通过假设加速度变化率的单位标准偏差来配置滤波器的过程噪声。
    • 
               
  • 该函数指定过滤器中最多500个组件。
    • 
               
  • 函数设置HasExtent属性真正的如果输入检测的数量大于1。
    • 
              

             

             

            

            

             
扩展功能

             

              
              
              
C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

             

            

            

             
版本历史

             R2019b引入
             

              
全部展开

              

               
               
               
              

             

            

            

             
另请参阅

             
|||

            

           

          

          
          

          

           
          

         

         
         
         
        

       

      

     

    

    
    

     

      

       

        

         
        

       

      

     

    

    
    
   

  

  
  
 
Baidu
      
      
map