Как вы можете создать IMU + алгоритм сплава GPS, подходящий для беспилотных воздушных автомобилей (БПЛА) или quadcopters.

Сгенерируйте сценарий управления воздушным движением, моделируйте радарные обнаружения от радара наблюдения аэропорта (ASR) и сконфигурируйте средство отслеживания глобального самого близкого соседа (GNN), чтобы отследить моделируемые цели с помощью радарных обнаружений. Это позволяет вам оценить различные целевые сценарии, радарные требования и настройки средства отслеживания, не нуждаясь в доступе к дорогостоящему самолету или оборудованию. Этот пример покрывает целый синтетический рабочий процесс данных.

Плавьте радарные обнаружения от многоплатформенной радарной сети. Сеть включает два бортовых и наземные радарные платформы дальние. Смотрите пример Multiplatform Radar Detection Generation для деталей. Центральное средство отслеживания обрабатывает обнаружения со всех платформ в фиксированном интервале обновления. Это позволяет вам оценить производительность сети против различных целевых типов и маневров, а также конфигураций платформы и местоположений.

Моделируйте многофункциональную поэтапную радиолокационную систему массивов. Многофункциональный радар может выполнить задания, которые обычно требуют нескольких традиционных радаров. Примеры традиционных радаров сканируют радары, которые ответственны за поиск целей и отслеживание радаров, которые ответственны за отслеживание целей. В этом примере многофункциональный поэтапный радар массивов выполняет и сканирующий (ищущие) и отслеживающие задачи. На основе обнаружений и дорожек, полученных из текущего эха, радар решает, что сделать рядом с, гарантируют, что цели интереса прослежены, и желаемое воздушное пространство ищется. Многофункциональный поэтапный радар массивов работает замкнутым циклом, включая функции, такие как планирование задач, выбор формы волны, генерация обнаружения и целевое отслеживание.

Моделируйте бистатические обнаружения только для области значений с помощью четырех эмиттерных датчиком пар. Кроме того, этот пример демонстрирует, как локализовать и отследить несколько целей с помощью бистатических измерений только для области значений.

Отследите расширенные объекты. Расширенные объекты являются объектами, размерности которых охватывают несколько ячеек разрешения датчика. В результате датчики сообщают о нескольких обнаружениях расширенных объектов на одном сканировании. В этом примере вы будете использовать различные методы, чтобы отследить расширенные объекты и оценить результаты их производительности отслеживания.

Отследите автомобили с помощью измерений от датчика лазерного дальномера, смонтированного сверху автомобиля, оборудованного датчиком. Лоцируйте датчики, сообщают измерения как облако точек. Данные о лазерном дальномере, используемые в этом примере, зарегистрированы от магистрали ведущий сценарий. В этом примере вы используете записанные данные, чтобы отследить автомобили со средством отслеживания объединенной вероятностной ассоциации данных (JPDA) и подходом взаимодействующей многоуровневой модели (IMM).

Иллюстрирует отслеживание объектов с помощью измерений от пространственно распределенных и синхронных пассивных датчиков. В Пассивном Расположении Используя Один Датчик Маневрирования вы узнали, что пассивные измерения обеспечивают неполную наблюдаемость состояния цели и как один датчик может быть выведен, чтобы получить информацию об области значений. Также несколько стационарных датчиков могут также использоваться, чтобы получить наблюдаемость. В этом примере вы изучите, как отследить несколько объектов путем плавления нескольких обнаружений от пассивных синхронных датчиков.

Сгенерируйте морской сценарий, моделируйте радарные обнаружения от морского радара наблюдения и сконфигурируйте мультицелевое средство отслеживания Плотности гипотезы вероятности (PHD), чтобы оценить местоположение и размер моделируемых поставок с помощью радарных обнаружений.

Оцените положение (положение и ориентация) наземного транспортного средства с помощью инерционного модуля измерения (IMU) и монокулярной камеры. В этом примере, вас: