jpdaEvents

Возможные совместные мероприятия для trackerJPDA

Синтаксис

FJE = jpdaEvents (validationMatrix)

[FJE, FJEProbs] = jpdaEvents (likelihoodMatrix, k)

Описание

FJE = jpdaEvents(validationMatrix) возвращает возможные совместные события, FJE, на основе матрицы проверки. Матрица проверки описывает возможные связи между обнаружениями и дорожками, в то время как осуществимое совместное событие для многообъектного отслеживания является одной из реализации связей между обнаружениями и дорожками.

пример

[FJE,FJEProbs] = jpdaEvents(likelihoodMatrix,k) генерирует k- наиболее осуществимые матрицы совместных событий, FJE, соответствующую задней матрице правдоподобия, likelihoodMatrix. likelihoodMatrix определяет апостериорную вероятность связывания обнаружений с дорожками.

Примеры

свернуть все

Создание возможных совместных событий

Открыть сценарий в реальном времени

Определите произвольную матрицу проверки 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];

Создайте все возможные совместные события и подсчитайте общее число.

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

Отображение нескольких возможных совместных 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

Получение возможных совместных событий из матрицы правдоподобия

Открыть сценарий в реальном времени

Создайте матрицу правдоподобия, предполагающую четыре обнаружения и две дорожки.

likeMatrix = [0.1 0.1 0.1;
              0.1 0.3 0.2;
              0.1 0.4 0.1;
              0.1 0.6 0.1;
              0.1 0.5 0.3];

Создайте три наиболее вероятных события и получите их нормализованные вероятности.

[FJE,FJEProbs] = jpdaEvents(likeMatrix,3)

FJE = 4x3x3 logical array
FJE(:,:,1) =

   1   0   0
   1   0   0
   0   1   0
   0   0   1


FJE(:,:,2) =

   0   0   1
   1   0   0
   0   1   0
   1   0   0


FJE(:,:,3) =

   1   0   0
   0   1   0
   1   0   0
   0   0   1

FJEProbs = 3×1

    0.4286
    0.2857
    0.2857

Входные аргументы

свернуть все

`validationMatrix` - Матрица проверки
m-by- (n + 1) матрица

Проверочная матрица, заданная как матрица m-by- (n + 1), где m - количество обнаружений в кластере сканирования датчика, а n - количество дорожек, поддерживаемых в трекере. Матрица валидации использует первый столбец, чтобы учесть возможность того, что каждое обнаружение является загромождением или ложным аварийным сигналом, который обычно называют «дорожкой 0» или T0. Матрица проверки является двоичной матрицей, перечисляющей все возможные ассоциации обнаружения для отслеживания. Если есть возможность назначить дорожку Ti детектору Dj, то (j, i + 1) запись матрицы проверки подлинности равна 1. В противном случае значение будет равно 0.

Типы данных: logical

`likelihoodMatrix` - Матрица правдоподобия
(m + 1) -by- (n + 1)

матрица

Матрица правдоподобия, заданная как (m + 1) -by- (n + 1) матрица, где m - количество обнаружений в кластере сканирования датчика, а n - количество дорожек, поддерживаемых в трекере. Матрица правдоподобия использует первый столбец для учета возможности того, что каждое обнаружение является загромождением или ложным аварийным сигналом, который обычно называют «дорожкой 0_» или T0. Матрица использует первую строку, чтобы учесть возможность того, что каждая дорожка не назначена никакому обнаружению, которое может называться «обнаружением 0_» или D0. Элемент (j + 1, i + 1) матрицы представляет вероятность назначения дорожки Ti детектору Dj.

Типы данных: logical

`k` - Количество совместных вероятностных событий
положительное целое число

Число совместных вероятностных событий, указанных как положительное целое число.

Типы данных: logical

Выходные аргументы

свернуть все

`FJE` - Возможные совместные мероприятия
массив m-by- (n + 1) -by-p

Возможные совместные события, указанные как массив m-by- (n + 1) -by-p, где m - количество обнаружений в кластере сканирования датчика, n - количество дорожек, поддерживаемых в трекере, и p - общее число возможных совместных событий. Каждая страница (матрица m-by- (n + 1)) FJE соответствует одной возможной ассоциации между всеми дорожками и обнаружениями. Возможная матрица совместных событий на каждой странице удовлетворяет:

Матрица имеет ровно одно значение «1» на строку.
За исключением первого столбца, который отображается для загромождения, может быть не более одного «1» на столбец.

Дополнительные сведения о возможных совместных мероприятиях см. в разделе Возможные совместные мероприятия.

Типы данных: logical

`FJEProbs` - Вероятности возможных совместных событий
вектор p-by-1 неотрицательных скаляров

Вероятности возможных совместных событий, возвращенные как вектор p-by-1 неотрицательных скаляров. Суммирование этих скаляров равно 1. K-й элемент представляет вероятность k-го совместного события (указанного в FJE выходной аргумент) нормализован в течение p возможных совместных событий.

Типы данных: logical

Подробнее

свернуть все

Возможные совместные мероприятия

В типичном рабочем процессе для системы отслеживания трекер должен определить, может ли обнаружение быть связано с какой-либо из существующих дорожек. Если трекер поддерживает только одну дорожку, назначение может быть выполнено путем оценки проверочного затвора вокруг предсказанного измерения и принятия решения о том, попадает ли измерение в проверочный затвор. В пространстве измерения проверочный затвор представляет собой пространственную границу, такую как эллипс 2-D или эллипсоид 3-D, центрированный при прогнозируемом измерении. Проверочный вентиль определяется с использованием информации о вероятности (оценка состояния и ковариация, например) существующей дорожки, так что правильные или идеальные обнаружения имеют высокую вероятность (97% вероятность, например) попадания в этот проверочный вентиль.

Однако, если трекер поддерживает множество дорожек, процесс ассоциации данных становится более сложным, поскольку одно обнаружение может попасть в вентили проверки достоверности множества дорожек. Например, на следующем рисунке дорожки T1 и T2 активно поддерживаются в трекере, и каждая из них имеет свой вентиль проверки. Поскольку D2 обнаружения находится на пересечении вентилей проверки достоверности как T1, так и T2, две дорожки (T1 и T2) соединены и образуют кластер. Кластер - это набор подключенных дорожек и связанных с ними обнаружений.

Для представления отношения связи в кластере обычно используется матрица проверки. Каждая строка матрицы проверки соответствует обнаружению, в то время как каждый столбец соответствует дорожке. Для учета вероятности того, что каждое обнаружение будет загромождаться, добавляется первый столбец, который обычно называют «дорожкой 0» или T0. Если детектор Di находится внутри проверочного вентиля дорожки Dj, то (j, i + 1) запись проверочной матрицы равна 1. В противном случае он равен нулю. Для кластера, показанного на рисунке, проверочная матрица

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

Обратите внимание на то, что все элементы в первом столбце Λ равны 1, поскольку любое обнаружение может быть загроможденным или ложным. Важным шагом в логике ассоциации совместных вероятностных данных (JPDA) является получение всех возможных независимых совместных событий в кластере. Двумя предположениями для возможных совместных мероприятий являются:

Обнаружение не может быть выдано несколькими дорожками.
Во время одного сканирования датчик не может обнаружить дорожку более одного раза.

На основе этих двух предположений могут быть сформулированы возможные совместные события (FJE). Каждый FJE отображается на FJE-матрицу _Startp из начальной проверочной матрицы Λ. Например, с помощью проверочной матрицы Λ можно получить восемь матриц FJE:

$\begin{array}{l} _{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix} \\ _{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix}_{} \begin{matrix} \end{matrix} Ω1=[100100100], Ω2=[010100100], Ω3=[100010100], Ω4=[100001100]Ω5=[010001100], Ω6=[100100001], Ω7=[010100001], Ω8=[100010001] \end{array}$

Как прямое следствие этих двух предположений, matrices _Startp имеет ровно одно значение «1» на строку. Кроме того, за исключением первого столбца, отображаемого для загромождения, может быть не более одного «1» на столбец. Когда количество соединенных дорожек растет в кластере, количество FJE быстро увеличивается. jpdaEvents функция использует эффективный алгоритм поиска по глубине для генерации всех возможных матриц совместных событий.

Ссылки

[1] Чжоу, Бин и Н. К. Бозе. «Отслеживание многозадачности в загромождении: быстрые алгоритмы для сопоставления данных». Сделки с аэрокосмическими и электронными системами 29, № 2 (1993 год): 352-363.

[2] Рыбак, Джеймс Л., и Давид П. Казазан. «Алгоритм быстрого многоцелевого отслеживания JPDA». Прикладная оптика 28, № 2 (1989): 371-376.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

Примечания и ограничения по использованию:

Эта функция поддерживает только создание кода с двойной точностью.

См. также

trackerJPDA

Представлен в R2019a

Документация

jpdaEvents

Синтаксис

Описание

Примеры

Создание возможных совместных событий

Получение возможных совместных событий из матрицы правдоподобия

Входные аргументы

`validationMatrix` - Матрица проверки
m-by- (n + 1) матрица

`likelihoodMatrix` - Матрица правдоподобия
(m + 1) -by- (n + 1)

`k` - Количество совместных вероятностных событий
положительное целое число

Выходные аргументы

`FJE` - Возможные совместные мероприятия
массив m-by- (n + 1) -by-p

`FJEProbs` - Вероятности возможных совместных событий
вектор p-by-1 неотрицательных скаляров

Подробнее

Возможные совместные мероприятия

Ссылки

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Документация по комплекту инструментов для слияния и отслеживания датчиков

Поддержка

Документация

jpdaEvents

Синтаксис

Описание

Примеры

Создание возможных совместных событий

Получение возможных совместных событий из матрицы правдоподобия

Входные аргументы

validationMatrix - Матрица проверки m-by- (n + 1) матрица

likelihoodMatrix - Матрица правдоподобия (m + 1) -by- (n + 1)

k - Количество совместных вероятностных событий положительное целое число

Выходные аргументы

FJE - Возможные совместные мероприятия массив m-by- (n + 1) -by-p

FJEProbs - Вероятности возможных совместных событий вектор p-by-1 неотрицательных скаляров

Подробнее

Возможные совместные мероприятия

Ссылки

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Документация по комплекту инструментов для слияния и отслеживания датчиков

Поддержка

`validationMatrix` - Матрица проверки
m-by- (n + 1) матрица

`likelihoodMatrix` - Матрица правдоподобия
(m + 1) -by- (n + 1)

`k` - Количество совместных вероятностных событий
положительное целое число

`FJE` - Возможные совместные мероприятия
массив m-by- (n + 1) -by-p

`FJEProbs` - Вероятности возможных совместных событий
вектор p-by-1 неотрицательных скаляров

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™