【三维轨迹目标定位,CKF+RTS,MATLAB程序】基于CKF与RTS平滑的三维非线性目标跟踪(距离+方位角+俯仰角)

在三维空间目标跟踪中,传感器(如相控阵雷达、光电吊舱)通常直接输出距离、方位角、俯仰角 。由于球坐标系到直角坐标系的强非线性,传统的扩展卡尔曼滤波(EKF)在强非线性或大噪声下容易因雅可比矩阵线性化误差发散,而无迹卡尔曼滤波(UKF)的采样权重在维度变化时缺乏普适性。容积卡尔曼滤波(CKF) 基于球面-径向容积准则,具有更高的数值稳定性与3阶多项式精确度,是解决此类问题的理想选择。配合RTS(Rauch-Tung-Striebel)逆向平滑器 ,可进一步利用未来信息显著提升轨迹精度。
原创代码,包运行成功

文章目录

概述

真数据生成器

模拟真实物理运动规律(三维常速度模型),独立注入 x/y/z 三轴过程噪声。传感器侧严格遵循球坐标观测模型,叠加测距与测角高斯白噪声,高度还原工程实测数据特征。

CKF 前向滤波引擎

基于固定容积点结构预计算,避免循环内重复分配内存。通过状态点传播与非线性观测映射,自动完成交叉协方差计算与卡尔曼增益更新。结构通用,维度自适应切换无需改核心逻辑。

RTS 逆向平滑器

纯线性状态转移下的最优后验估计器。利用末端滤波结果反向递推,逐帧修正历史状态与协方差。无需修改滤波器内核,无缝嵌入即可享受精度跃升。

多维可视化与统计评估

3D 空间轨迹:观测站、真值、直接转换、CKF、RTS 同框对比,起点终点自动标记

误差时序分析:实时对比滤波/平滑误差,叠加理论 3σ 包络验证一致性

概率分布与箱线图:CDF 曲线直观展示误差收敛区间,箱线图快速识别离群值

终端统计面板:自动打印 RMSE、最大误差、标准差及 50/68/90/95/99 分位数

运行结果展示

轨迹图:

误差曲线:

误差CDF曲线:

部分代码与运行后的命令行截图:

MATLAB源代码

演示视频:

RTSCKF三维(无BGM)

部分代码如下:

matlab 复制代码
%% 三维非线性目标跟踪,观测为距离+方位角+俯仰角,CKF与RTS平滑
% 作者: matlabfilter
% 2026-04-05/Ver1

clear; clc; close all;
rng(0);

%% 参数设置
dt = 0.1;
T  = 50;
N  = T/dt;
t  = (0:N-1)*dt;

sensor_pos = [25; 20; 10]; % === 3D: 传感器三维位置 ===

% === 3D: 6x6 常速度(CTRV)模型 ===
F = eye(6);
F(1,4) = dt; F(2,5) = dt; F(3,6) = dt;

q = 0.5;
% === 3D: 6x6 过程噪声协方差 (xyz轴独立) ===
Q = q^2 * [dt^4/4 0       0       dt^3/2 0       0      ;
           0       dt^4/4 0       0       dt^3/2 0      ;
           0       0       dt^4/4 0       0       dt^3/2;
           dt^3/2 0       0       dt^2   0       0      ;
           0       dt^3/2 0       0       dt^2   0      ;
           0       0       dt^3/2 0       0       dt^2  ];

sigma_r  = 1;
sigma_az = deg2rad(1); % 方位角噪声
sigma_el = deg2rad(1); % 俯仰角噪声
R = diag([sigma_r^2, sigma_az^2, sigma_el^2]); % === 3D: 3x3 观测噪声 ===

%% 真实轨迹与观测
x_true = zeros(6,N);
x_true(:,1) = [-10; 0; 5; 1; 0.5; 0.2]; % === 3D: 初始z=5, vz=0.2 ===
z = zeros(3,N); % === 3D: 观测为[r, az, el] ===

for k = 2:N
    x_true(:,k) = F*x_true(:,k-1) + mvnrnd(zeros(6,1),Q)';
end

for k = 1:N
    dx = x_true(1,k) - sensor_pos(1);
    dy = x_true(2,k) - sensor_pos(2);
    dz = x_true(3,k) - sensor_pos(3);
    
    % === 3D: 球坐标观测模型 ===
    r  = sqrt(dx^2+dy^2+dz^2);
    az = atan2(dy, dx);
    el = atan2(dz, sqrt(dx^2+dy^2));
    
    z(:,k) = [r; az; el] + [sigma_r*randn; sigma_az*randn; sigma_el*randn];
end

%% CKF 前向滤波

如需帮助,或有导航、定位滤波相关的代码定制需求,请点击下方卡片联系作者

相关推荐
今天又在写代码2 小时前
java-v2
java·开发语言
competes3 小时前
慈善基金投资底层逻辑应用 顶层代码低代码配置平台开发结构方式数据存储模块
java·开发语言·数据库·windows·sql
Ulyanov3 小时前
用Pyglet打造AI数字猎人:从零开始的Python游戏开发与强化学习实践
开发语言·人工智能·python
独自归家的兔4 小时前
OCPP 1.6 协议详解:StatusNotification 状态通知指令
开发语言·数据库·spring boot·物联网
希望永不加班4 小时前
Spring AOP 代理模式:CGLIB 与 JDK 动态代理区别
java·开发语言·后端·spring·代理模式
RNEA ESIO4 小时前
PHP进阶-在Ubuntu上搭建LAMP环境教程
开发语言·ubuntu·php
23471021274 小时前
4.15 学习笔记
开发语言·软件测试·python
java1234_小锋5 小时前
Java高频面试题:什么是可重入锁?
java·开发语言
雾岛听蓝5 小时前
Qt操作指南:窗口组成与菜单栏
开发语言·经验分享·笔记·qt