trackerJPDA

Соедините вероятностное средство отслеживания ассоциации данных

Описание

Система trackerJPDA object™ является средством отслеживания, способным к обработке обнаружений нескольких целей от нескольких датчиков. Средство отслеживания использует Объединенную вероятностную ассоциацию данных, чтобы присвоить обнаружения каждой дорожке. Средство отслеживания применяет мягкое присвоение, где несколько обнаружений могут способствовать каждой дорожке. Средство отслеживания инициализирует, подтверждает, исправляет, предсказывает (выполняет каботажное судоходство), и удаляет дорожки. Входные параметры к средству отслеживания являются отчетами обнаружения, сгенерированными objectDetection, radarSensor, monostaticRadarSensor, irSensor или объектами sonarSensor. Средство отслеживания оценивает вектор состояния и оценочную ошибочную ковариационную матрицу состояния для каждой дорожки. Каждое обнаружение присвоено по крайней мере одной дорожке. Если обнаружение не может быть присвоено никакой существующей дорожке, средство отслеживания создает новый трек.

Любой новый трек запускается в предварительном состоянии. Если достаточно обнаружений присвоено предварительной дорожке, ее изменениям состояния в подтвержденном (см. свойство ConfirmationThreshold). Если обнаружение уже имеет известную классификацию (т.е. поле ObjectClassID возвращенной дорожки является ненулевым), что соответствующая дорожка сразу подтверждена. Когда дорожка подтверждена, средство отслеживания полагает, что дорожка представляет физический объект. Если обнаружения не присвоены дорожке в specifiable количестве обновлений, дорожка удалена.

Отслеживать цели с помощью этого объекта:

  1. Создайте объект trackerJPDA и установите его свойства.

  2. Вызовите объект с аргументами, как будто это была функция.

Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты? MATLAB.

Создание

Синтаксис

tracker = trackerJPDA
tracker = trackerJPDA(Name,Value)

Описание

tracker = trackerJPDA создает Системный объект trackerJPDA со значениями свойств по умолчанию.

пример

tracker = trackerJPDA(Name,Value) свойства наборов для средства отслеживания с помощью одной или нескольких пар "имя-значение". Например, trackerJPDA('FilterInitializationFcn',@initcvukf,'MaxNumTracks',100) создает мультиобъектное средство отслеживания, которое использует постоянную скорость, сигма-точечный фильтр Калмана и позволяет максимум 100 дорожек. Заключите каждое имя свойства в кавычки.

Свойства

развернуть все

Если в противном случае не обозначено, свойства являются ненастраиваемыми, что означает, что вы не можете изменить их значения после вызова объекта. Объекты блокируют, когда вы вызываете их, и функция release разблокировала их.

Если свойство является настраиваемым, можно изменить его значение в любое время.

Для получения дополнительной информации об изменении значений свойств смотрите Разработку системы в MATLAB Используя Системные объекты (MATLAB).

Отфильтруйте функцию инициализации, заданную как указатель на функцию или как вектор символов, содержащий имя допустимой функции инициализации фильтра. Средство отслеживания использует функцию инициализации фильтра при создании новых треков.

Sensor Fusion and Tracking Toolbox™ предоставляет много функций инициализации, которые можно использовать, чтобы задать FilterInitializationFcn для объекта trackerJPDA.

Функция инициализацииФункциональное определение
initcvkfИнициализируйте постоянную скорость линейный Фильтр Калмана.
initcakfИнициализируйте постоянное ускорение линейный Фильтр Калмана.
initcvabfИнициализируйте фильтр альфы - беты постоянной скорости
initcaabfИнициализируйте фильтр альфы - беты постоянного ускорения
initcvekfИнициализируйте расширенный Фильтр Калмана постоянной скорости.
initcaekfИнициализируйте расширенный Фильтр Калмана постоянного ускорения.
initrpekfИнициализируйте постоянную скорость параметризованный областью значений расширенный Фильтр Калмана.
initapekfИнициализируйте постоянную скорость параметризованный углом расширенный Фильтр Калмана.
initctekf Инициализируйте расширенный Фильтр Калмана постоянной угловой скорости вращения.
initcackfИнициализируйте фильтр кубатуры постоянного ускорения.
initctckfИнициализируйте фильтр кубатуры постоянной угловой скорости вращения.
initcvckfИнициализируйте фильтр кубатуры постоянной скорости.
initcvukfИнициализируйте сигма-точечный фильтр Калмана постоянной скорости.
initcaukf Инициализируйте сигма-точечный фильтр Калмана постоянного ускорения.
initctukfИнициализируйте сигма-точечный фильтр Калмана постоянной угловой скорости вращения.
initcvmscekfИнициализируйте расширенный Фильтр Калмана постоянной скорости в измененных сферических координатах.
initekfimmИнициализируйте отслеживание фильтр IMM.

Можно также записать собственной функции инициализации использование следующего синтаксиса:

filter = filterInitializationFcn(detection)
Вход к этой функции является отчетом обнаружения как созданные objectDetection. Вывод этой функции должен быть объектом, принадлежащим одному из классов фильтра: trackingKF, trackingEKF, trackingUKF, trackingCKF, trackingGSF, trackingIMM, trackingMSCEKF или trackingABF.

Для руководства в записи этой функции используйте команду type, чтобы исследовать детали встроенных в MATLAB® функций. Например:

type initcvekf

Примечание

trackerJPDA не принимает все функции инициализации фильтра в Sensor Fusion and Tracking Toolbox. Полный список функций инициализации фильтра, доступных в Sensor Fusion and Tracking Toolbox, дан в Инициализации.

Типы данных: function_handle | char

Выполнимая объединенная функция генерации событий, заданная как указатель на функцию или как вектор символов, содержащий имя выполнимой объединенной функции генерации событий. Функция генерации генерирует выполнимые объединенные матрицы события от допустимых событий (обычно даваемый матрицей валидации) сценария отслеживания. Матрица валидации является бинарной матрицей, перечисляющей все возможные ассоциации обнаружений к дорожке. Для получения дополнительной информации смотрите jpadEvents.

Можно также записать собственную функцию генерации. Функция должна иметь следующий синтаксис:

FJE = myfunction(ValidationMatrix)
Вход и из этой функции должен точно следовать за форматами, используемыми в jpdaEvents. Для руководства в записи этой функции используйте команду type, чтобы исследовать детали jpdaEvents:

type jpdaEvents

Пример: @myfunction или 'myfunction'

Типы данных: function_handle | char

Максимальное количество дорожек, которые средство отслеживания может поддержать, заданный как положительное целое число.

Типы данных: single | double

Максимальное количество датчиков, которые могут быть соединены со средством отслеживания, задало как положительное целое число. MaxNumSensors должен быть больше, чем или равным самому большому значению SensorIndex, найденного во всех обнаружениях, используемых, чтобы обновить средство отслеживания. SensorIndex является свойством объекта objectDetection. Свойство MaxNumSensors определяет, сколько наборов ObjectAttributes каждая дорожка может иметь.

Типы данных: single | double

Порог присвоения обнаружения (или порог пропускания), заданный как положительная скалярная величина или 1 2 вектор [C 1,C2], где C 1C 2. Если задано как скаляр, заданное значение, val, расширено до [val, Inf].

Первоначально, средство отслеживания выполняет крупную оценку для нормированного расстояния между всеми дорожками и обнаружениями. Средство отслеживания только вычисляет точное нормированное расстояние для комбинаций, крупное нормированное расстояние которых является меньше, чем C 2. Кроме того, средство отслеживания может только присвоить обнаружение дорожке, если точное нормированное расстояние между ними является меньше, чем C 1. См. метод distance каждого фильтра отслеживания (такого как trackingCKF и trackingEKF) для объяснения расчета расстояния.

Советы:

  • Увеличьте значение C 2, если существует дорожка и комбинации обнаружения, которые должны быть вычислены для присвоения, но не являются. Уменьшите это значение, если расчет стоимости занимает слишком много времени.

  • Увеличьте значение C 1, если существуют обнаружения, которые должны быть присвоены дорожкам, но не являются. Уменьшите это значение, если существуют обнаружения, которые присвоены дорожкам, которым они не должны быть присвоены (слишком далеко).

Вероятность обнаружения, заданного как скаляр в области значений [0,1]. Это свойство используется в вычислениях крайних апостериорных вероятностей ассоциации и вероятности существования дорожки при инициализации и обновлении дорожки.

Пример: 0.85

Типы данных: single | double

Порог вероятности, чтобы инициализировать новый трек, заданный как скаляр в области значений [0,1]. Если вероятности соединения обнаружения с какой-либо из существующих дорожек будут все меньшими, чем InitializationThreshold, обнаружение будет использоваться, чтобы инициализировать новый трек. Это позволяет обнаружения, которые являются в логическом элементе валидации дорожки, но имеют вероятность ассоциации ниже, чем порог инициализации, чтобы породить новый трек.

Пример: 0.1

Типы данных: single | double

Подтверждение и тип логики удаления, заданный как:

  • 'History' – Отследите подтверждение, и удаление основано на числе раз, дорожка была присвоена обнаружению в последних обновлениях средства отслеживания.

  • 'Integrated' – Отследите подтверждение, и удаление основано на вероятности существования дорожки, которое интегрировано в функции присвоения.

Порог для подтверждения дорожки, заданного как скаляр или 1 2 вектор. Порог зависит от типа логики подтверждения и удаления дорожки, которую вы устанавливаете со свойством TrackLogic:

  • 'History' – Задайте порог подтверждения как 1 2 вектор [M N]. Дорожка подтверждена, если она записала, по крайней мере, хиты M в последних обновлениях N. trackerJPDA указывает хит по логике истории дорожки согласно HitMissThrehold. Значением по умолчанию является [2 3].

  • 'Integrated' – Задайте порог подтверждения как скаляр. Дорожка подтверждена, если ее вероятность существования больше, чем или равна порогу подтверждения. Значением по умолчанию является 0.95.

Типы данных: single | double

Порог для удаления дорожки, заданного как скаляр или с действительным знаком 1 2 вектор. Порог зависит от типа логики подтверждения и удаления дорожки, которую вы устанавливаете со свойством TrackLogic:

  • 'History' – Задайте порог подтверждения как [P R]. Дорожка удалена, если она записала, по крайней мере, P промахи в последних обновлениях R . trackerJPDA укажет мисс по логике истории дорожки согласно свойству HitMissThrehold. Значением по умолчанию является [5,5].

  • 'Integrated' – Задайте порог удаления как скаляр. Дорожка удалена, если ее вероятность существования опускается ниже порога. Значением по умолчанию является 0.1.

Пример: 0.2 или [5,6]

Типы данных: single | double

Порог для регистрации случайного, заданного как скаляр в области значений [0,1]. Логика истории дорожки укажет мисс, и дорожка будет курсироваться, если сумма безусловных вероятностей присвоений будет ниже HitMissThreshold. В противном случае логика истории дорожки укажет хит.

Пример: 0.3

Зависимости

Чтобы включить этот аргумент, установите свойство TrackLogic на 'History'.

Типы данных: single | double

Пространственная плотность измерений помехи, заданных как положительная скалярная величина. Плотность помехи описывает ожидаемое количество ложных положительных обнаружений на единичный объем. Это используется в качестве параметра модели помехи Пуассона. Когда TrackLogic установлен в 'Integrated', ClutterDensity также используется в вычислении начальной вероятности существования дорожки.

Пример: 1e-5

Типы данных: single | double

Пространственная плотность новых целей, заданных как положительная скалярная величина. Новая целевая плотность описывает ожидаемое количество новых треков на единичный объем на пробеле измерения. Это используется в вычислении вероятности существования дорожки во время инициализации дорожки.

Пример: 1e-3

Зависимости

Чтобы включить этот аргумент, установите свойство TrackLogic на 'Integrated'.

Типы данных: single | double

Уровень времени целевых смертельных случаев, заданных как скаляр в области значений [0,1]. DeathRate описывает вероятность, с которой исчезают истинные цели. Это связано с распространением вероятности существования дорожки (PTE):

где δt является временным интервалом с предыдущего раза обновления t.

Зависимости

Чтобы включить этот аргумент, установите свойство TrackLogic на 'Integrated'.

Типы данных: single | double

Это свойство доступно только для чтения.

Начальная вероятность существования дорожки, заданного как скаляр в области значений [0,1] и вычисленный как InitialExistenceProbability = NewTargetDensity*DetectionProbability/(ClutterDensity + NewTargetDensity*DetectionProbability).

Зависимости

Чтобы включить это свойство, установите свойство TrackLogic на 'Integrated'. Когда свойство TrackLogic установлено в 'History', это свойство не доступно.

Типы данных: single | double

Включите матрицу стоимости, заданную как false или true. Если true, можно обеспечить матрицу стоимости присвоения как входной параметр при вызове объекта.

Типы данных: логический

Включите вход обнаруживаемых идентификаторов дорожки при каждом обновлении объекта, заданном как false или true. Установите это свойство на true, если вы хотите предоставить список обнаруживаемых идентификаторов дорожки. Этот список сообщает средству отслеживания всех дорожек, что датчики, как ожидают, обнаружат и, опционально, вероятность обнаружения для каждой дорожки.

Типы данных: логический

Это свойство доступно только для чтения.

Количество дорожек сохраняется средством отслеживания, возвращенным как неотрицательное целое число.

Типы данных: single | double

Это свойство доступно только для чтения.

Количество подтвержденных дорожек, возвращенных как неотрицательное целое число. Если полем IsConfirmed выходной структуры дорожки является true, дорожка подтверждена.

Типы данных: single | double

Абсолютный допуск времени между обнаружениями для того же датчика, заданного как положительная скалярная величина. Идеально, trackerJPDA ожидает, что обнаружения из датчика будут иметь идентичные метки времени. Однако, если различия в метках времени между обнаружениями датчика будут в поле, заданном TimeTolerance, эти обнаружения будут использоваться, чтобы обновить оценку дорожки на основе среднего времени этих обнаружений.

Типы данных: double

Использование

Чтобы обработать обнаружения и дорожки обновления, вызовите средство отслеживания с аргументами, как будто это была функция (описанный здесь).

Синтаксис

confirmedTracks = tracker(detections,time)
confirmedTracks = tracker(detections,time,costMatrix)
confirmedTracks = tracker(___,detectableTrackIDs)
[confirmedTracks,tentativeTracks,allTracks] = tracker(___)
[confirmedTracks,tentativeTracks,allTracks,analysisInformation] = tracker(___)

Описание

confirmedTracks = tracker(detections,time) возвращает список подтвержденных дорожек, которые обновляются из списка обнаружений во время обновления. Подтвержденные дорожки исправлены и предсказаны ко времени обновления.

confirmedTracks = tracker(detections,time,costMatrix) также задает матрицу стоимости.

Чтобы включить этот синтаксис, установите свойство HasCostMatrixInput на true.

confirmedTracks = tracker(___,detectableTrackIDs) также задает список ожидаемых обнаруживаемых дорожек, данных detectableTrackIDs. Этот аргумент может использоваться с любым из предыдущих входных синтаксисов.

Чтобы включить этот синтаксис, установите свойство HasDetectableTrackIDsInput на true.

[confirmedTracks,tentativeTracks,allTracks] = tracker(___) также возвращает список предварительных дорожек и список всех дорожек. Можно комбинировать с любым синтаксом из перечисленных выше.

[confirmedTracks,tentativeTracks,allTracks,analysisInformation] = tracker(___) также возвращает информацию об анализе, которая может использоваться для анализа дорожки. Можно комбинировать с любым синтаксом из перечисленных выше.

Входные параметры

развернуть все

Список обнаружений, заданный как массив ячеек объектов objectDetection. Значение свойства Time каждого объекта objectDetection должно быть меньше чем или равным текущему времени обновления, time, и больше, чем предыдущая временная стоимость раньше обновляла средство отслеживания.

Время обновления, заданного как скаляр. Средство отслеживания обновляет все дорожки к этому времени. Модули находятся в секундах.

time должен быть больше, чем или равным самому большому значению свойства Time объектов objectDetection в списке входов detections. time должен увеличиться в значении с каждым обновлением средства отслеживания.

Типы данных: single | double

Стойте матрицы, заданной как M с действительным знаком-by-N матрица, где M является количеством существующих дорожек в предыдущем обновлении, и N является количеством текущих обнаружений. Строки матрицы стоимости должны быть в том же порядке как список дорожек, и столбцы должны быть в том же порядке как список обнаружений. Получите правильный порядок списка дорожек от третьего выходного аргумента, allTracks, когда средство отслеживания будет обновлено.

При первом обновлении средства отслеживания или когда средство отслеживания не будет иметь никаких предыдущих дорожек, задайте матрицу стоимости, чтобы быть пустыми с размером [0,numDetections]. Обратите внимание на то, что стоимость должна быть дана так, чтобы более низкие цены указали на более высокую вероятность присвоения обнаружения к дорожке. Чтобы препятствовать тому, чтобы определенные обнаружения были присвоены определенным дорожкам, можно установить соответствующую матричную запись стоимости в Inf.

Зависимости

Чтобы включить этот аргумент, установите свойство HasCostMatrixInput на true.

Типы данных: double | single

Обнаруживаемые идентификаторы дорожки, заданные как M с действительным знаком-by-1 вектор или M-by-2 матрица. Обнаруживаемые дорожки являются дорожками, которые датчики ожидают обнаруживать. Первый столбец матрицы содержит список идентификаторов дорожки, о которых датчики сообщают как обнаруживаемые. Дополнительный второй столбец содержит соответствующую вероятность обнаружения для дорожки. О вероятности обнаружения или сообщает датчик или, если не сообщаемый, полученный из свойства DetectionProbability.

Дорожки, идентификаторы которых не включены в detectableTrackIDs, рассматриваются необнаруживаемыми. В этом случае логика удаления дорожки не считает отсутствие обнаружения для той дорожки как пропущенное обнаружение в целях удаления дорожки.

Зависимости

Чтобы включить этот входной параметр, установите свойство detectableTrackIDs на true.

Типы данных: single | double

Выходные аргументы

развернуть все

Подтвержденные дорожки обновляются к текущему времени, возвращенному как структура или массив структур. Каждая структура соответствует дорожке. Подтверждение дорожки зависит от логики дорожки.

  • 'History' – Дорожка подтверждена, если она записала достаточно хитов во время последних нескольких обновлений, чтобы удовлетворить ConfirmationThreshold.

  • 'Integrated' – Дорожка подтверждена, если ее вероятность существования выше, чем значение свойства ConfirmationThreshold.

Если дорожка подтверждена, полем IsConfirmed структуры является true. Поля подтвержденной структуры дорожек заданы в Структуре Дорожки.

Типы данных: struct

Предварительные дорожки, возвращенные как структура или массив структур. Каждая структура соответствует дорожке. Дорожка является предварительной, если дорожка не присвоена достаточным обнаружениям, и дорожка не может быть сопоставлена ни с каким классифицированным объектом, данным ObjectClassID. В этом случае полем IsConfirmed структуры является false. Поля структуры заданы в Структуре Дорожки.

Типы данных: struct

Все дорожки, возвращенные как структура или массив структур. Каждая структура соответствует дорожке. Набор всех дорожек состоит из подтвержденных и предварительных дорожек. Поля структуры заданы в Структуре Дорожки.

Типы данных: struct

Дополнительная информация для анализа обновлений дорожки, возвращенных как структура. Поля этой структуры:

Поле Описание
TrackIDsAtStepBeginning

Отследите идентификаторы, когда шаг начался.

CostMatrix

Стойте матрицы за присвоение.

Clusters

Массив ячеек кластерных отчетов.

InitiatedTrackIDs

Идентификаторы дорожек инициируются во время шага.

DeletedTrackIDs

Идентификаторы дорожек удалены во время шага.

TrackIDsAtStepEnd

Отследите идентификаторы когда законченный шаг.

Поле Clusters может включать несколько кластерных отчетов. Каждый кластерный отчет является структурой, содержащей:

Поле Описание
DetectionIndices

Индексы кластеризованных обнаружений.

TrackIDs

Отследите идентификаторы кластеризованных дорожек.

ValidationMatrixМатрица валидации кластера. Дополнительную информацию см. в jpadEvents.
SensorIndex

Индекс инициирующего датчика кластеризованных обнаружений.

TimeStampСредняя метка времени кластеризованных обнаружений.
MarginalProbabilitiesМатрица крайних следующих объединенных вероятностей ассоциации.

Типы данных: struct

Функции объекта

Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:

release(obj)

развернуть все

predictTracksToTimeПредскажите состояние дорожки
getTrackFilterPropertiesПолучите свойства фильтра дорожки
setTrackFilterPropertiesУстановите свойства фильтра дорожки
stepЗапустите алгоритм Системного объекта
releaseВысвободите средства и позвольте изменения в значениях свойств Системного объекта и введите характеристики
isLockedОпределите, используется ли Системный объект
cloneСоздайте объект дублированной системы
resetСбросьте внутренние состояния Системного объекта

Примеры

развернуть все

Создайте объект trackerJPDA с постоянной скоростью по умолчанию, Расширенный Фильтр Калмана и 'История' отслеживают логику. Установите AssignmentThreshold на 100 позволять дорожкам быть совместно сопоставленными.

tracker = trackerJPDA('TrackLogic','History', 'AssignmentThreshold',100,...
    'ConfirmationThreshold', [4 5], ...
    'DeletionThreshold', [10 10]);

Задайте истинные исходные положения и скорости двух объектов.

pos_true = [0 0 ; 40 -40 ; 0 0];
V_true = 5*[cosd(-30) cosd(30)  ; sind(-30) sind(30) ;0 0];

Создайте театральный график визуализировать дорожки и обнаружения.

tp = theaterPlot('XLimits',[-1 150],'YLimits',[-50 50]);
trackP = trackPlotter(tp,'DisplayName','Tracks','MarkerFaceColor','g','HistoryDepth',0);
detectionP = detectionPlotter(tp,'DisplayName','Detections','MarkerFaceColor','r');

Чтобы получить положение и скорость, создайте селекторы положения и скорости.

positionSelector = [1 0 0 0 0 0; 0 0 1 0 0 0; 0 0 0 0 0 0]; % [x, y, 0]
velocitySelector = [0 1 0 0 0 0; 0 0 0 1 0 0; 0 0 0 0 0 0 ]; % [vx, vy, 0]

Обновите средство отслеживания с обнаружениями, стоимостью отображения и безусловной вероятностью информации об ассоциации, и визуализируйте дорожки с обнаружениями.

dt = 0.2;
for time = 0:dt:30
    % Update the true positions of objects.
    pos_true = pos_true + V_true*dt;

    % Create detections of the two objects with noise.
    detection(1) = objectDetection(time,pos_true(:,1)+1*randn(3,1));
    detection(2) = objectDetection(time,pos_true(:,2)+1*randn(3,1));

    % Step the tracker through time with the detections.
    [confirmed,tentative,alltracks,info] = tracker(detection,time);

    % Extract position, velocity and label info.
    [pos,cov] = getTrackPositions(confirmed,positionSelector);
    vel = getTrackVelocities(confirmed,velocitySelector);
    meas = cat(2,detection.Measurement);
    measCov = cat(3,detection.MeasurementNoise);

    % Update the plot if there are any tracks.
    if numel(confirmed)>0
        labels = arrayfun(@(x)num2str([x.TrackID]),confirmed,'UniformOutput',false);
        trackP.plotTrack(pos,vel,cov,labels);
    end
    detectionP.plotDetection(meas',measCov);
    drawnow;

    % Display the cost and marginal probability of distribution every eight
    % seconds.
    if time>0 && mod(time,8) == 0
        disp(['At time t = ' num2str(time) ' seconds,']);
        disp('The cost of assignment was: ')
        disp(info.CostMatrix);
        disp(['Number of clusters: ' num2str(numel(info.Clusters))]);
        if numel(info.Clusters) == 1

            disp('The two tracks were in the same cluster.')
            disp('Marginal probabilities of association:')
            disp(info.Clusters{1}.MarginalProbabilities)
        end
        disp('-----------------------------')
    end
end
At time t = 8 seconds,
The cost of assignment was: 
   1.0e+03 *

    0.0020    1.1523
    1.2277    0.0053

Number of clusters: 2
-----------------------------
At time t = 16 seconds,
The cost of assignment was: 
    1.3968    4.5123
    2.0747    1.9558

Number of clusters: 1
The two tracks were in the same cluster.
Marginal probabilities of association:
    0.8344    0.1656
    0.1656    0.8344
    0.0000    0.0000

-----------------------------
At time t = 24 seconds,
The cost of assignment was: 
   1.0e+03 *

    0.0018    1.2962
    1.2664    0.0013

Number of clusters: 2
-----------------------------

Больше о

развернуть все

Алгоритмы

развернуть все

Ссылки

[1] Фортманн, T. Y. Панель шалом и М. Шефф. "Отслеживание гидролокатора Нескольких Целей Используя Объединенную Вероятностную Ассоциацию Данных". Журнал IEEE Океанской Разработки. Издание 8, Номер 3, 1983, стр 173-184.

[2] Musicki, D. и Р. Эванс. "Объединенная Интегрированная Вероятностная Ассоциация Данных: JIPDA". Транзакции IEEE на Космических и Электронных системах. Издание 40, Номер 3, 2004, стр 1093-1099.

Расширенные возможности

Введенный в R2019a

Для просмотра документации необходимо авторизоваться на сайте