Exponenta Banner
exponenta event banner

compatibleTrackBranches

Формулирование глобальных гипотез из кластеров

свернуть все на странице

Синтаксис

[гипотезы, hypScores] = compatibleTrackBranches (группы, incompatibleBranches, очки, maxNumHypotheses)

Описание

пример

[hypotheses,hypScores] = compatibleTrackBranches(clusters,incompatibleBranches,scores,maxNumHypotheses) возвращает список гипотез hypotheses и их оценки hypScores из информации о кластерах ветвей и несовместимости ветвей.

Гипотезы представляют собой наборы совместимых ветвей дорожки, которые являются ветвями, не принадлежащими к одной дорожке или совместно обнаруживаемыми в их истории. Оценка каждой гипотезы представляет собой сумму оценок всех ветвей, включенных в гипотезу.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создайте матрицу истории ветвей для 12 ветвей. В этом примере матрица истории ответвлений имеет 11 столбцов, которые представляют историю 2 датчиков с глубиной истории 4.

branchHistory = uint32([     
    4     9     9     0     0     1     0     0     0     0     0
    5    10    10     0     0     0     2     0     0     0     0
    6    11    11     0     0     3     0     0     0     0     0
    1    12    12     0     0     1     0     1     0     0     0
    1    13    13     0     0     0     2     1     0     0     0
    1    14    14     0     0     1     2     1     0     0     0
    2    15    15     0     0     3     0     3     0     0     0
    3    16    16     0     0     0     4     0     4     0     0
    7     0    17     1     0     0     0     0     0     0     0
    1     5    18     1     0     0     0     0     2     0     0
    1     5    19     0     2     0     0     0     2     0     0
    1     5    20     1     2     0     0     0     2     0     0]);

Получение списка кластеров и списка несовместимых ветвей. clusters матрица имеет три столбца, поэтому существует три кластера.

[clusters,incompBranches] = clusterTrackBranches(branchHistory);

Укажите вектор столбца 12 на 1, содержащий оценки ветвей.

scores = [81.4; 90.5; 12.7; 91.3; 63.2; 9.7; 27.8; 54.6; 95.7; 96.4; 15.7; 97.1];

Укажите количество глобальных гипотез.

numHypotheses = 6;

Получите матрицу гипотез и оценку каждой гипотезы.

[hyps,hypScores] = compatibleTrackBranches(clusters,incompBranches,scores,numHypotheses)
hyps = 12x6 logical array

   1   0   1   1   1   0
   1   1   1   1   1   1
   0   0   0   0   1   1
   0   1   0   0   0   1
   0   0   0   0   0   0
   0   0   0   0   0   0
   1   1   1   1   0   0
   1   1   1   1   1   1
   1   1   0   0   1   1
   0   0   0   1   0   0
      ⋮


hypScores = 1×6

  365.7000  359.9000  351.4000  350.7000  350.6000  344.8000

Входные аргументы

свернуть все

Кластеры, указанные как один из следующих.

  • Логическая матрица M-за-P. M - количество ветвей, а P - количество кластеров. Элемент (i, j) имеет значениеtrue если ветвь j содержится в кластере I. Значение P меньше или равно М.

  • Вектор длины M, где i-й элемент даёт индекс кластера, который содержит ветвь i.

  • Массив ячеек c, где c{j} содержит идентификаторы всех ветвей в кластере j.

Вы можете использовать clusterTrackBranches для вычисления кластеров из матрицы истории ветвлений.

Типы данных: logical

Несовместимые ветви, заданная как симметричная логическая матрица M-by-M. Элемент (i, j) имеет значениеtrue если ветви i и j являются попарно несовместимыми.

Вы можете использовать clusterTrackBranches для вычисления несовместимых ветвей из матрицы истории ветвей.

Типы данных: logical

Баллы ветвления, заданные как M-by-1 числовой вектор или M-by-2 числовая матрица.

Примечание

При указании scores в качестве M-by-2 числовой матрицы первый столбец определяет текущий балл каждой ветви, а второй столбец определяет максимальный балл. compatibleTrackBranches игнорирует второй столбец.

Типы данных: single | double

Максимальное количество гипотез, указанных как положительное целое число.

Выходные аргументы

свернуть все

Гипотезы, возвращаемые в виде логической матрицы M-by-H, где M - число ветвей, а H - значение maxNumHypotheses.

Оценка гипотез, возвращенная как 1-by-H числовой вектор.

Ссылки

[1] Вертманн, Джон Р. «Пошаговое описание вычислительно эффективной версии отслеживания множественных гипотез». В трудах SPIE том 1698, Сигнал и обработка малых целей. 1992, стр 288–300. дои: 10.1117/12.139379.

Расширенные возможности

.

См. также

| | |

Представлен в R2018b

Документация по комплекту инструментов для слияния и отслеживания датчиков

Поддержка