基於matlab程式設計二維空間內目標作勻速直線運動和勻速圓周運動的特點原始碼
T=2;
alpha=0.8; % 加權衰減因子
window=1/(1-alpha); % 檢測機動的有效視窗長度
dt=100; % dt=dt_x=dt_y=100
Th=25; % 機動檢測門限
Ta=9.49; % 退出機動的檢測門限
N=800/T; % 取樣次數
M=50; % 模擬次數
% 真實軌跡資料
t=2:2:400;
xo0=2000+0*t;
yo0=10000-15*t;
t=402:2:600;
xo1=2000+0.075*((t-400).^2)/2;
yo1=10000-15*400-(15*(t-400)-0.075*((t-400).^2)/2);
t=602:2:610 ;
xo2=xo1(100)+15*(t-600);
yo2=yo1(100)+0*t;
t=612:2:660;
xo3=xo2(5)+(15*(t-610)-0.3*((t-610).^2)/2);
yo3=yo2(5)-0.3*((t-610).^2)/2;
t=662:2:800;
xo4=xo3(25)+0*t;
yo4=yo3(25)-15*(t-660);
x=[xo0,xo1,xo2,xo3,xo4];
y=[yo0,yo1,yo2,yo3,yo4];
e_x1=zeros(1,N);
e_x2=zeros(1,N);
e_y1=zeros(1,N);
e_y2=zeros(1,N);
px=zeros(1,N);
qy=zeros(1,N);
u=zeros(1,N);
u_a=zeros(1,N);
for j=1:M
no1=100*randn(1,N); % 隨機白噪
no2=100*randn(1,N);
for i=1:N;
zx(i)=x(i)+no1(i); % 觀測資料
zy(i)=y(i)+no2(i);
z(:,i)=[zx(i);zy(i)];
end
%
X_estimate(2,:)=[zx(2),(zx(2)-zx(1))/T,zy(2),(zy(2)-zy(1))/T];
X_est=X_estimate(2,:);
P_estimate=[dt^2,dt^2/T,0,0;dt^2/T,(dt^2)*2/(T^2),0,0;0,0,dt^2,dt^2/T;0,0,dt^2/T,(dt^2)*2/(T^2)];
x1(1)=zx(1); y1(1)=zy(1); x1(2)=X_estimate(2,1); y1(2)=X_estimate(2,3);
u(1)=0; u(2)=0;
u1=u(2);
pp=0;% ０表示非機動，１表示機動
qq=0;
rr=1;
k=3;
while k<=N
if k<=20
z1=z(:,k);
[X_pre,X_est,P_estimate,u1]=kalmanstatic(X_est,P_estimate,z1,k,u1);
X_estimate(k,:)=X_est;
X_predict(k,:)=X_pre;
P(k,:)=[P_estimate(1,1),P_estimate(1,2),P_estimate(2,2),P_estimate(3,3),P_estimate(3,4),P_estimate(4,4)];
x1(k)=X_estimate(k,1);
y1(k)=X_estimate(k,3);
u(k)=u1;
k=k+1;
else
if pp==0 % 進入非機動模型
if rr==window+1 % 由機動進入非機動模型，為防止回朔，至少遞推window＋1次
u1=0;
else
end
while rr>0
z1=z(:,k);
[X_pre,X_est,P_estimate,u1]=kalmanstatic(X_est,P_estimate,z1,k,u1);
X_estimate(k,:)=X_est;
X_predict(k,:)=X_pre;
P(k,:)=[P_estimate(1,1),P_estimate(1,2),P_estimate(2,2),P_estimate(3,3),P_estimate(3,4),P_estimate(4,4)];
x1(k)=X_estimate(k,1);
y1(k)=X_estimate(k,3);
u(k)=u1;
rr=rr-1;
end
rr=1;
if u(k)>=Th
pp=1;qq=1; % “pp=1，qq=1”表示由非機動進入機動模型
else
end
k=k+1;
else % 機動模型
if qq==1 %由非機動進入機動模型，需要進行修正
k=k-window-1;
Xm_est=[X_estimate(k-1,:),0,0];
Xm_pre=[X_predict(k,:),0,0];
Pm_estimate=zeros(6,6);
P=P(k-1,:);
m=0;
else %在機動模型中進行遞推
Xm_est=Xm_estimate(k-1,:);
end
z1=z(:,k);
[Xm_est,Pm_estimate,ua1,qq,m]=kalmandynamic(Xm_pre,Xm_est,Pm_estimate,z1,k,P,qq,m);
Xm_estimate(k,:)=Xm_est;
x1(k)=Xm_estimate(k,1);
y1(k)=Xm_estimate(k,3);
ua(k)=ua1;
if ua1<Ta % 進入非機動模型，降維，標誌 pp＝０
X_est=Xm_estimate(k,1:4);
P_estimate=Pm_estimate(1:4,1:4);
pp=0;
rr=window+1;
else
end
k=k+1;
end
end
end
for j=1:N
px(1,j)=x1(1,j)+px(1,j); % 迭加每次估計的資料
qy(1,j)=y1(1,j)+qy(1,j);
e_x1(j)=(x1(j)-x(j))+e_x1(j);
e_y1(j)=(y1(j)-y(j))+e_y1(j);
e_x2(j)=((x1(j)-x(j))^2)+e_x2(j);
e_y2(j)=((y1(j)-y(j))^2)+e_y2(j);
end
end
for k=1:N
px(1,k)=px(1,k)/M;
qy(1,k)=qy(1,k)/M;
e_x(k)=e_x1(k)/M;
ex(k)=sqrt(e_x2(k)/M-e_x(k)^2);
e_y(k)=e_y1(k)/M;
ey(k)=sqrt(e_y2(k)/M-e_y(k)^2);
end
figure(1);
plot(x,y);axis([1500 5000 -2000 12000]);
figure(2);
plot(x,y,'b-',zx,zy,'k:',px,qy,'r');
legend('真實軌跡','觀測軌跡','50次濾波軌跡');
figure(3);
plot(x,y,'k',x1,y1,'r');
legend('真實軌跡','一次濾波軌跡');
figure(4);
subplot(2,2,1),plot(e_x); title('X座標 濾波誤差均值曲線');
subplot(2,2,2),plot(e_y); title('Y座標 濾波誤差均值曲線');
subplot(2,2,3),plot(ex); title('X座標 濾波誤差標準差曲線');
subplot(2,2,4),plot(ey); title('Y座標 濾波誤差標準差曲線');
%%%%函式1靜態模型
function[X_pre,X_est,P_estimate,u1]=kalmanstatic(X_est,P_estimate,z1,k,u1)
T=2;
alpha=0.8; % 加權衰減因子
Phi=[1,T,0,0;0,1,0,0;0,0,1,T;0,0,0,1];
H=[1,0,0,0;0,0,1,0];
I=[1,0,0,0;0,1,0,0;0,0,1,0;0,0,0,1];
R=[10000,0;0,10000]; % 觀測噪聲方差陣
X_estimate(k-1,:)=X_est;
u(k-1)=u1;
X_predict(k,:)=(Phi*X_estimate(k-1,:)')';
P_predict=Phi*P_estimate*(Phi)';
K=P_predict*(H)'*inv(H*P_predict*(H)'+R);
X_estimate(k,:)=(X_predict(k,:)'+K*(z1-H*X_predict(k,:)'))';
P_estimate=(I-K*H)*P_predict;
X_est=X_estimate(k,:);
X_pre=X_predict(k,:);
v(:,k)=z1-H*(X_predict(k,:))'; % 新資訊
S=H*P_predict*H'+R; % 新資訊的方差陣
delta(k)=v(:,k)'*inv(S)*v(:,k);
u(k)=alpha*u(k-1)+delta(k);
u1=u(k);
%%函式2 動態模型
function [Xm_est,Pm_estimate,ua1,qq,m]=kalmandynamic(Xm_pre,Xm_est,Pm_estimate,z1,k,P,qq,m);
T=2;
I=diag([1,1,1,1,1,1]);
Phi=[1,T,0,0,(T^2)/2,0;0,1,0,0,T,0;0,0,1,T,0,(T^2)/2;0,0,0,1,0,T;0,0,0,0,1,0;0,0,0,0,0,1];
H=[1,0,0,0,0,0;0,0,1,0,0,0];
G=[(T^2)/2,0;T,0;0,(T^2)/2;0,T;1,0;0,1];
R=[10000,0;0,10000]; % 觀測噪聲方差陣
alpha=0.8; % 加權衰減因子
window=1/(1-alpha); % 檢測機動的有效視窗長度
Xm_estimate(k-1,:)=Xm_est;
if qq==1 %由非機動進入機動模型，需進行修正， 初始化
Xm_predict(k,:)=Xm_pre;
Xm_estimate(k,5)=[z1(1)-Xm_predict(k,1)]*2/(T^2);
Xm_estimate(k,6)=[z1(2)-Xm_predict(k,3)]*2/(T^2);
Xm_estimate(k,1)=z1(1);
Xm_estimate(k,3)=z1(2);
Xm_estimate(k,2)=Xm_estimate(k-1,2)+Xm_estimate(k,5)*T;
Xm_estimate(k,4)=Xm_estimate(k-1,4)+Xm_estimate(k,6)*T;
% 修正協方差陣
Pm_estimate(1,1)=R(1,1);
Pm_estimate(3,3)=R(2,2);
Pm_estimate(1,2)=R(1,1)*2/T;
Pm_estimate(2,1)=Pm_estimate(1,2);
Pm_estimate(3,4)=R(2,2)*2/T;
Pm_estimate(4,3)=Pm_estimate(3,4);
Pm_estimate(1,5)=R(1,1)*2/(T^2);
Pm_estimate(5,1)=Pm_estimate(1,5);
Pm_estimate(3,6)=R(2,2)*2/(T^2);
Pm_estimate(6,3)=Pm_estimate(3,6);
Pm_estimate(5,5)=[R(1,1)+P(1)+P(2)*2*T+P(3)*T*T]*4/(T^4);
Pm_estimate(6,6)=[R(2,2)+P(4)+P(5)*2*T+P(6)*T*T]*4/(T^4);
Pm_estimate(2,2)=R(1,1)*4/(T^2)+P(1)*4/(T^2)+P(3)+P(2)*4/T;
Pm_estimate(4,4)=R(2,2)*4/(T^2)+P(4)*4/(T^2)+P(6)+P(5)*4/T;
Pm_estimate(2,5)=R(1,1)*4/(T^3)+P(1)*4/(T^3)+P(3)*2/T+P(2)*6/(T^2);
Pm_estimate(5,2)=Pm_estimate(2,5);
Pm_estimate(4,6)=R(2,2)*4/(T^3)+P(4)*4/(T^3)+P(6)*2/T+P(5)*6/(T^2);
Pm_estimate(6,4)=Pm_estimate(4,6);
Xm_est=Xm_estimate(k,:);
qq=0;%修正後，標誌qq復位（不再初始化），ua1設為１０，使不進入非機動模型
ua1=10;
m=0;
else
% 濾波方程
Xm_predict(k,:)=(Phi*Xm_estimate(k-1,:)')';
Q=[(Xm_estimate(k-1,5)/20)^2,0;0,(Xm_estimate(k-1,6)/20)^2];
Pm_predict=Phi*Pm_estimate*(Phi)'+G*Q*G';
K=Pm_predict*(H)'*inv(H*Pm_predict*(H)'+R);
Xm_estimate(k,:)=(Xm_predict(k,:)'+K*(z1-H*Xm_predict(k,:)'))';
Pm_estimate=(I-K*H)*Pm_predict;
Xm_est=Xm_estimate(k,:);
m=m+1;
delta(k)=[Xm_estimate(k,5),Xm_estimate(k,6)]*[Pm_estimate(5,5),0;0,Pm_estimate(6,6)]*[Xm_estimate(k,5);Xm_estimate(k,6)];
if m>=window
ua(k)=delta(k)+delta(k-1)+delta(k-2)+delta(k-3)+delta(k-4);
ua1=ua(k);
else
ua1=10;
end
end
假定有一二座標雷達對一平面上運動的目標進行觀測，目標在0-400秒沿著y軸作恆速直線運動，運動速度為-15米/秒，目標的起始點為(2000米,10000米)，在t= 400-600秒向軸x方向做的慢轉彎，加速度為0.075米/秒，完成慢轉彎後加速度將降為零，從t=610秒開始做90度的快轉彎，加速度為0.3米/秒，在660秒結束轉彎，加速度降至零。雷達掃描週期T=2秒，X和Y獨立地進行觀測，觀測噪聲的標準差均為100米。描述如下：
其中，程式演算法中各引數為:
加權衰減因子, 機動檢測門限; 退出機動的檢測門限;
在跟蹤的開始,首先採用非機動模型,從第20次取樣開始,啟用機動檢測器。
通過上圖，可以看到：VD演算法有4次機動,分別對應目標的2次加速運動,和2次勻速運動,符合目標真實軌跡變化。只是在模型出現機動的時候,會出現大的誤差。在模型的調整過程中,可以明顯發現:機動檢測門限,退出機動的檢測門限,加權衰減因子對演算法的有效濾波有很大的影響，當目標快轉彎時,會出現大的誤差,這時候可以通過改變機動檢測門限來減小。
相關文章
- canvas水平勻速運動效果Canvas
- javascript封裝動畫函式（勻速、變速）JavaScript封裝動畫函式
- 記錄--進度條真的是勻速的，不信你看
- 基於混合高斯模型的運動目標檢測演算法模型演算法
- 基於AMC4030的二維滑軌的MATLAB程式設計控制Matlab程式設計
- 使用python玩轉二維碼！速學速用！⛵Python
- 基於ATmega8的測速計設計
- 3D遊戲-作業三-空間與運動3D遊戲
- CANopen設計基礎與運動控制運用
- GitHub 熱點速覽 Vol.14：周獲 2k+ Vim³ 掀起三維程式設計風Github程式設計
- Matlab三維空間座標圖繪製Matlab
- Oracle 自動化運維-Python表空間郵件預警Oracle運維Python
- 第四周-雲端計算運維作業運維
- 遊戲基礎互動：【建立目標】和【落地設計】遊戲
- 速賣通新手怎麼運營店鋪？速賣通運營痛點以及解決方式
- IT運維之自動化運維運維
- 指標是構築自動化運維與智慧化運維的基石指標運維
- 跨越速運張傑 跨越速運：我們HTAP場景的思考與選型
- flex產品列表均勻分佈程式碼例項Flex
- 智慧化IT運維平臺建設方案，基於智和信通運維體系的高敏捷二次開發運維敏捷
- 基於紅外和超聲波的手動/自動調速風扇系統
- SDL程式設計入門（26）運動程式設計
- [詳細推導]基於EKF的小車運動模型的python程式設計實現模型Python程式設計
- 第二週-雲端計算運維作業運維
- 畢設(5)—笛卡爾空間軌跡規劃（直線、圓弧）
- 基於時序資料，推動智慧運維發展運維
- 混合高斯模型實現運動目標檢測（OpenCV內建實現）模型OpenCV
- 全面的MySQL基礎運維知識點（二）MySql運維
- AverageTextView——均勻顯示的TextViewTextView
- IT運維和自動化運維以及運維開發有啥不同？能解釋下嗎？運維
- 基於YOLOv4的目標檢測系統（附MATLAB程式碼+GUI實現）YOLOMatlabGUI
- BAT新風向標：程式設計師有福利了！（速點，免費送）BAT程式設計師
- 基於 Nebula Operator 的 K8s 自動化部署運維K8S運維
- three.js 製作屬於自己的動態二維碼JS
- 基於 LLM 的智慧運維 Agent 系統設計與實現運維
- Linux Shell互動式自動化運維程式Linux運維
- 五分鐘搞定Bash功能與使用技巧，運維速收！運維
- 自動化運維工具——ansible詳解（二）運維