目录

一、定义中央跟踪器

二、通过在中央跟踪器中融合检测来跟踪目标

三、使用长距离协方差校正进行仿真

四、总结

五、程序


此示例演示如何融合来自多平台雷达网络的雷达检测。该网络包括两个机载一个地面远程雷达平台。中央跟踪器以固定的更新间隔处理来自所有平台的检测。这能够根据目标类型、平台机动以及平台配置和位置评估网络的性能。

一、定义中央跟踪器

trackerGNN用作中央跟踪器,用于处理从方案中的所有雷达平台接收的检测。

跟踪器使用支持函数为每个新轨道初始化一个等速扩展卡尔曼滤波器。 修改返回的过滤器以匹配高目标速度。

跟踪器设置为 50,以便能够将具有大范围偏差的检测(由于长检测范围内的大气折射效应)与跟踪器中的轨迹相关联。设置为 3 可快速删除冗余磁道。启用 以指定自上次更新以来至少一个雷达的视野内的轨迹。轨道逻辑仅在自上次跟踪器更新以来具有检测机会的轨道上进行评估。

二、通过在中央跟踪器中融合检测来跟踪目标

以下循环运行跟踪方案记录,直到方案结束。对于方案中的每一步,都会收集检测结果以供中央跟踪器处理。跟踪器每 2 秒更新一次这些检测。

在方案结束时,会看到多个轨道已被丢弃并替换。还可以查看在方案期间轨道与平台的关联。该图在方案中有七个平台的七行。每个轨道都显示为一条水平线。曲目编号在行的开头进行注释。每当删除轨道时,其线路都会停止。每当将新轨道分配给平台时,都会向平台的行中添加一条新线,当同时为单个平台显示多条线时,平台将为其分配多个轨道。在这些情况下,与平台关联的较新轨道被视为冗余

请注意,难以维护轨道的平台(4号和7号平台)也是离雷达最远的平台。这种较差的跟踪性能归因于测量噪声的高斯分布假设。该假设适用于短距离的目标,但在长距离下,测量不确定度偏离高斯分布。下图比较了对应于实际目标分布的 1 西格玛协方差椭圆和雷达传感器给出的目标分布。传感器距离目标 5 km,角度分辨率为 5 度。实际测量不确定度具有由球形传感器检测坐标系产生的凹形,雷达在其中估计目标的位置。

为了考虑长距离下实际协方差的凹形,支撑函数约束所报告的测量噪声的条件数。上面显示的校正测量协方差被限制为最大条件数 300。换句话说,测量协方差中的任何特征值都不能比协方差的最大特征值小 300 倍以上。这种处理扩大了沿范围维度的测量噪声,以更好地匹配实际测量不确定度的凹度。

三、使用长距离协方差校正进行仿真

使用支持功能重新运行之前的仿真,以校正报告的长距离测量噪声。

上图显示,通过应用远距离校正,不会为整个方案生成轨迹下降或多个轨迹。在这种情况下,监控网络检测到的每个平台正好有一个轨道。

放大喷气式飞机执行水平转弯的视图,即使此示例中使用的运动模型是恒定速度,轨道也相对较好地跟随机动目标。通过使用交互式多模型 (IMM) 过滤器(如过滤器),可以进一步改进对机动的跟踪。

从喷气式飞机执行水平转弯的另一个视图中,您可以看到高度估计正确,尽管传感器的高度测量不准确。其中一个传感器根本不报告高度,正如大型垂直椭球体所看到的那样,而另外两个传感器低估了它们在高度上的不确定性。

将视角切换到对过境客机的关注,描绘了相同的不准确的高度测量值。请注意红色检测如何以8公里的高度为中心,而两架客机分别在3公里和4公里的高度飞行。在高度中使用非常大的协方差允许跟踪器忽略红色检测的错误高度读数,并使用其他两个雷达跟踪高度。观察轨道 T07 和 T08 的不确定性协方差,可以看到它们分别提供了平台 P04 和 P05 的一致估计值。

最后一个情节集中在两个机载雷达平台上。每个平台都由另一个平台以及地面雷达检测到。平台轨迹相互交叉,高度相隔1000米,其轨迹与地面真实相符。

四、总结

此示例演示如何在中央跟踪器中处理跨多个机载和地面雷达平台收集的检测。在此示例中,了解了如何无法通过高斯分布对长距离测量噪声进行精确建模。在这些长距离下,测量噪声的 1-sigma 椭圆的凹陷导致跟踪性能较差,因为轨道掉落且多个轨道被分配给单个平台。还学习了如何校正测量 噪声以进行远距离检测,以提高报告轨迹的连续性。

五、程序

使用Matlab,点击打开。

打开下面的“Multiplatform...Example.mlx”文件,点击运行,就可以看到上述效果。

程序下载链接:https://download.csdn.net/download/weixin_45770896/87429107

Matlab之多平台雷达检测融合仿真(附源码)相关推荐

  1. 基于stm32单片机的甲醛气体检测proteus仿真(源码+仿真+参考论文)

    资料编号:056 检测当前的甲醛气体浓度,LCD1602显示,并且可以自动打开关闭风扇,也可以通过手动按键打开关闭风扇通风,全套资料齐全,具体功能请看下方演示视频 56-基于stm32单片机的甲醛气体 ...

  2. JAVA计算机毕业设计融呗智慧金融微资讯移动平台小程序端(附源码、数据库)

    JAVA计算机毕业设计融呗智慧金融微资讯移动平台小程序端(附源码.数据库) 目运行 环境项配置: Jdk1.8 + Tomcat8.5 + Mysql + HBuilderX(Webstorm也行)+ ...

  3. (上)Vue+Echarts构建可视化大数据平台实战项目分享(附源码)

    前言 分享之前我们先来普及一下什么是数据可视化?数据可视化可以把数据从冰冷的数字转换成图形,揭示蕴含在数据中的规律和道理.数据可视化通俗来说就是:数据的展示.处理和分析.目的是借助于图形化手段,清晰有 ...

  4. 毕业设计-基于SSM框架大学教务管理平台项目开发实战教程(附源码)

    文章目录 1.项目简介 2.项目收获 3.项目技术栈 4.测试账号 5.项目部分截图 6.常见问题 毕业设计-基于SSM框架大学教务管理平台项目实战教程-附源码 课程源码下载地址:https://do ...

  5. CVPR21最佳检测:不再是方方正正的目标检测输出(附源码)

    计算机视觉研究院专栏 作者:Edison_G 有些目标往往具有任意方向的分布.因此,检测器需要更多的参数来编码方向信息,这往往是高度冗余和低效的... 公众号ID|ComputerVisionGzq ...

  6. Matlab之雷达和激光雷达数据跟踪级融合(附源码)

    目录 一.合成数据生成的设置方案 二.雷达跟踪算法 三.激光雷达跟踪算法 四.设置热熔器.指标和可视化 4.1 热熔器 4.2 指标 4.3 可视化 五.运行方案和跟踪器 5.1 轨道维护 5.2 轨 ...

  7. 仅使用OpenCV实现活体检测!(附源码)

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 我们先来看一个网络留言 △ 来自虾米妈咪 小朋友用妈妈的一寸照片通 ...

  8. 【Android App】在线语音识别功能实现(使用云知声平台与WebSocket 超详细 附源码)

    需要源码和相关资源请点赞关注收藏后评论区留下QQ~~~ 一.在线语音识别 云知声的语音识别同样采用WebSocket接口,待识别的音频流支持MP3和PCM两种格式,对于在线语音识别来说,云知声使用JS ...

  9. IoU优化——在Anchor-Free中提升目标检测精度(附源码)

    计算机视觉研究院专栏 作者:Edison_G 目前的anchor-free目标检测器非常简单和有效,但缺乏精确的标签分配方法,这限制了它们与经典的基于Anchor的模型竞争的潜力 公众号ID|Comp ...

最新文章

  1. js const 和 var 的区别
  2. 最新阿里内推Java后端面试题
  3. Ubuntu解决sudo source command not found错误
  4. input层级高 小程序_微信小程序textarea层级过高(盖住其他元素)问题的解决办法...
  5. Eclipse安装lombook
  6. matlab 读取视频出现的问题
  7. Spring Boot 第一个程序
  8. Linux 系统中的超级权限的控制
  9. cad一键卸载工具叫什么_CAD卸载清理工具
  10. Java程序设计实验三 面向接口编程
  11. css 背景渐变详解
  12. Shopee关键词广告投放策略解析-马六甲erp
  13. deepin改无盘服务器,UbuntuDeepin系统上搭建nfs服务器
  14. Live2D桌面动画模型,在桌面显示
  15. 【操作系统】进程和线程调度
  16. https证书一年多少钱?
  17. 开源免费,捷微H5活动平台(微砍价、九宫格、斧头帮、摇一摇送卡券) h5huodong.com
  18. 不熟悉的四级核心词汇(三)
  19. IntelliJ IDEA修改项目名字
  20. 【bzoj1143】[CTSC2008]祭祀river Floyd+网络流最小割

热门文章

  1. CAD制图,如何快速统计图块的数量?
  2. 【期末划重点】计算机网络
  3. Spring注解开发【源码分析】
  4. 用尤克里里弹奏著名湖南民歌「 浏阳河 」
  5. Python——报数出圈
  6. MySQL之Join分析
  7. 必须掌握的内容营销十大关键原则
  8. buff系统 游戏中_游戏中的技能如何而来? 为ARPG设计一个好用的BUFF系统
  9. Excel右键,新建工作表,打开时提示“因为文件格式或文件扩展名无效。请确定文件未损坏,并且文件扩展名与文件的格式匹配。的**解决方案**
  10. 利用scat进行数据导入