jpdaEvents

Выполнимые объединенные события для trackerJPDA

Синтаксис

FJE = jpdaEvents(validationMatrix)

Описание

FJE = jpdaEvents(validationMatrix) возвращает выполнимые объединенные события, FJE, на основе матрицы валидации. Матрица валидации описывает возможные ассоциации между обнаружениями и дорожками, тогда как выполнимое объединенное событие для мультиобъектного отслеживания является одной реализацией ассоциаций между обнаружениями и дорожками.

Примеры

свернуть все

Сгенерируйте выполнимые объединенные События

Скрипт Open Live Script

Задайте произвольную матрицу валидации для пяти измерений и шести дорожек.

  M = [1     1     1     1     1     0     1
       1     0     1     1     0     0     0
       1     0     0     0     1     1     0
       1     1     1     1     0     0     0
       1     1     1     1     1     1     1];

Сгенерируйте все выполнимые объединенные события и считайте общее количество.

  FJE = jpdaEvents(M); 
  nFJE = size(FJE,3);

Отобразите несколько выполнимых объединенных событий.

  disp([num2str(nFJE) ' feasible joint event matrices were generated.'])

574 feasible joint event matrices were generated.

 
  toSee = [1:round(nFJE/5):nFJE, nFJE];
  for ii = toSee
      disp("Feasible joint event matrix #" + ii + ":")
      disp(FJE(:,:,ii))
  end

Feasible joint event matrix #1:
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0

Feasible joint event matrix #116:
   0   0   1   0   0   0   0
   1   0   0   0   0   0   0
   0   0   0   0   1   0   0
   0   1   0   0   0   0   0
   0   0   0   1   0   0   0

Feasible joint event matrix #231:
   0   0   0   0   1   0   0
   0   0   1   0   0   0   0
   0   0   0   0   0   1   0
   1   0   0   0   0   0   0
   0   0   0   0   0   0   1

Feasible joint event matrix #346:
   0   0   0   0   0   0   1
   0   0   0   1   0   0   0
   0   0   0   0   1   0   0
   1   0   0   0   0   0   0
   0   1   0   0   0   0   0

Feasible joint event matrix #461:
   1   0   0   0   0   0   0
   0   0   1   0   0   0   0
   1   0   0   0   0   0   0
   0   0   0   1   0   0   0
   0   0   0   0   0   0   1

Feasible joint event matrix #574:
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   1   0   0   0   0   0   0
   0   0   0   0   0   0   1

Входные параметры

свернуть все

`validationMatrix` — Матрица валидации
m (n +1) матрица

Матрица валидации, заданная как m (n +1) матрица, где m является количеством обнаружений в кластере сканирования датчика и n, является количеством дорожек, обеспеченных в средстве отслеживания. Матрица валидации использует первый столбец, чтобы составлять возможность, что каждое обнаружение является помехой или ложным предупреждением, которое обычно упоминается как "Дорожка 0" или T ₀. Матрица валидации является бинарной матрицей, перечисляющей все возможные ассоциации обнаружений к дорожке. Если возможно присвоить, отслеживают T _i к обнаружению D _j, то (j, i +1) запись матрицы валидации равняется 1. В противном случае запись 0.

Типы данных: логический

Выходные аргументы

свернуть все

`FJE` — Выполнимые объединенные события
m (n +1)-by-p массив

Выполнимые объединенные события, заданные как m (n +1)-by-p массив, где m является количеством обнаружений в кластере сканирования датчика, n, являются количеством дорожек, обеспеченных в средстве отслеживания, и p является общим количеством выполнимых объединенных событий. Каждая страница (m (n +1) матрица) FJE соответствует одной возможной ассоциации между всеми дорожками и обнаружениями. Выполнимая объединенная матрица события на каждой странице удовлетворяет:

Матрица имеет точно один "1" значение на строку.
За исключением первого столбца, который сопоставляет с помехой, может быть самое большее один "1" для каждого столбца.

Для получения дополнительной информации о выполнимых объединенных событиях смотрите Выполнимые Объединенные События.

Типы данных: логический

Больше о

свернуть все

Выполнимые объединенные События

В типичном рабочем процессе для системы слежения средство отслеживания должно определить, может ли обнаружение быть сопоставлено с какой-либо из существующих дорожек. Если средство отслеживания только обеспечивает одну дорожку, присвоение может быть сделано путем оценки логического элемента валидации вокруг предсказанного измерения и решения, находится ли измерение в пределах логического элемента валидации. На пробеле измерения логический элемент валидации является пространственным контуром, таким как 2D эллипс или 3-D эллипсоид, сосредоточенный при предсказанном измерении. Логический элемент валидации задан с помощью информации о вероятности (оценка состояния и ковариация, например) существующей дорожки, такой, что правильные или идеальные обнаружения имеют высокую вероятность (97%-я вероятность, например) нахожения в пределах этого логического элемента валидации.

Однако, если средство отслеживания обеспечивает несколько дорожек, процесс ассоциации данных становится более сложным, потому что одно обнаружение может находиться в пределах логических элементов валидации нескольких дорожек. Например, в следующем рисунке, T дорожек ₁ и T ₂ активно обеспечен в средстве отслеживания, и у каждого из них есть свой собственный логический элемент валидации. Начиная с обнаружения D ₂ находится в пересечении логических элементов валидации и T ₁ и T ₂, две дорожки (T ₁ и T ₂) соединяются и формируют кластер. Кластер является набором связанных дорожек и их связанных обнаружений.

Чтобы представлять отношение ассоциации в кластере, матрица валидации обычно используется. Каждая строка матрицы валидации соответствует обнаружению, в то время как каждый столбец соответствует дорожке. Чтобы составлять возможность каждого обнаружения, являющегося помехой, первый столбец добавляется и обычно называемый "Дорожкой 0" или T ₀. Если обнаружение D_{, i} - в логическом элементе валидации дорожки D _j, то (j, i +1) запись матрицы валидации равняется 1. В противном случае это - нуль. Для показанного на рисунке кластера матрица валидации Ω

$Ω = [\begin{matrix} 110111101 \end{matrix}]$

Обратите внимание на то, что все элементы в первом столбце Ω равняются 1, потому что любое обнаружение может быть помехой или ложным предупреждением. Один важный шаг в логике объединенной вероятностной ассоциации данных (JPDA) должен получить все выполнимые независимые объединенные события в кластере. Два предположения для выполнимых объединенных событий:

Обнаружение не может быть испущено больше чем одной дорожкой.
Дорожка не может быть обнаружена несколько раз датчиком во время одного сканирования.

На основе этих двух предположений могут быть сформулированы выполнимые объединенные события (FJEs). Каждый FJE сопоставлен с матрицей FJE Ω_p из начальной матрицы валидации Ω. Например, с матрицей валидации Ω, восемь матриц FJE могут быть получены:

$\begin{array}{l} Ω_{1} = [\begin{matrix} 100100100 \end{matrix}], Ω_{2} = [\begin{matrix} 010100100 \end{matrix}], Ω_{3} = [\begin{matrix} 100010100 \end{matrix}], Ω_{4} = [\begin{matrix} 100001100 \end{matrix}] \\ Ω_{5} = [\begin{matrix} 010001100 \end{matrix}], Ω_{6} = [\begin{matrix} 100100001 \end{matrix}], Ω_{7} = [\begin{matrix} 010100001 \end{matrix}], Ω_{8} = [\begin{matrix} 100010001 \end{matrix}] \end{array}$

Как прямое следствие этих двух предположений, _Ωp матрицы имеют точно одно "1" значение на строку. Кроме того, за исключением первого столбца, который сопоставляет с помехой, может быть самое большее один "1" для каждого столбца. Когда количество связанных дорожек растет в кластере, количестве увеличений FJE быстро. jpdaEvents функционируйте использует эффективный алгоритм поиска в глубину, чтобы сгенерировать все выполнимые объединенные матрицы события.

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.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Указания и ограничения по применению:

Эта функция только поддерживает генерацию кода двойной точности.

Смотрите также

trackerJPDA

Документация

jpdaEvents

Синтаксис

Описание

Примеры

Сгенерируйте выполнимые объединенные События

Входные параметры

`validationMatrix` — Матрица валидации
m (n +1) матрица

Выходные аргументы

`FJE` — Выполнимые объединенные события
m (n +1)-by-p массив

Больше о

Выполнимые объединенные События

Ссылки

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Введенный в R2019a

Документация Sensor Fusion and Tracking Toolbox

Поддержка

Документация

jpdaEvents

Синтаксис

Описание

Примеры

Сгенерируйте выполнимые объединенные События

Входные параметры

validationMatrix — Матрица валидации m (n +1) матрица

Выходные аргументы

FJE — Выполнимые объединенные события m (n +1)-by-p массив

Больше о

Выполнимые объединенные События

Ссылки

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Введенный в R2019a

Документация Sensor Fusion and Tracking Toolbox

Поддержка

`validationMatrix` — Матрица валидации
m (n +1) матрица

`FJE` — Выполнимые объединенные события
m (n +1)-by-p массив

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.