1 内容介绍
根据传统的扩展卡尔曼厚度算法在多普勒测量目标情况下估计精度低的，提出了扩展卡尔曼厚度跟踪优化算法。估计量测的扩展卡算法推广到包含普勒量测的提高目标跟踪位置精确度。仿真结果主动，算法以多方均方根的精度和方根的速度精度，可以很容易地实现精度良好地提高目标跟踪的精确度，可有效持续跟踪目标中的情况。
2 仿真代码
function y = gauss(mu, covar, x)
%GAUSS Evaluate a Gaussian distribution.
%
% Description
%
% Y = GAUSS(MU, COVAR, X) evaluates a multi-variate Gaussian density
% in D-dimensions at a set of points given by the rows of the matrix X.
% The Gaussian density has mean vector MU and covariance matrix COVAR.
%
% See also
% GSAMP, DEMGAUSS
%
% Copyright (c) Christopher M Bishop, Ian T Nabney (1996, 1997)
invcov = inv(covar);
[n, d] = size(x);
mu = reshape(mu, 1, d); % Ensure that mu is a row vector
x = x - ones(n, 1)*mu;
fact = sum(((x*invcov).*x), 2);
y = exp(-0.5*fact);
y = y./sqrt((2*pi)^d*det(covar));
3 运行结果
4 参考文献
[1]郭晓军, 万龙, 刘峰. 基于扩展卡尔曼滤波的空间小目标跟踪算法[J]. 电光与控制, 2016, 23(4):5.
[2]潘丽娜. 基于扩展卡尔曼滤波的多传感器目标跟踪[J]. 舰船电子工程, 2010(12):3.
