Создайте сценарий управления воздушным движением, смоделируйте радиолокационные обнаружения с радара наблюдения аэропорта (ASR) и настройте трекер глобального ближайшего соседа (GNN) для отслеживания моделируемых целей с помощью радиолокационных обнаружений. Это позволяет оценить различные целевые сценарии, требования к радарам и конфигурации трекеров без необходимости доступа к дорогостоящему самолету или оборудованию. В этом примере рассматривается весь поток операций с синтетическими данными.

Используйте Earth-Centered trackingScription и объект geoTrajectory для моделирования траектории полета, которая охватывает тысячи километров. Для генерации синтетических обнаружений самолета используются две различные модели: моностатический радар и отчеты ADS-B. Вы используете многообъектный трекер для оценки траектории плоскости, сравнения производительности отслеживания и изучения влияния, которое ADS-B оказывает на общее качество отслеживания.

Создать морской сценарий, смоделировать радиолокационные обнаружения с морского радиолокатора наблюдения и настроить многоточечный трекер плотности гипотезы вероятности (PHD) для оценки местоположения и размера имитируемых кораблей с использованием радиолокационных обнаружений.

Моделирование земно-ориентированных траекторий с использованием пользовательских моделей движения в рамках отслеживания Сценарий, как настроить fusionRadarSensor в моностатическом режиме для создания синтетических обнаружений космического мусора и как настроить многообъектный трекер для отслеживания моделируемых целей.

Импорт файла двухстрочного элемента (TLE) спутниковой группировки, моделирование радиолокационных обнаружений группировки и отслеживание группировки.

Перрон - это определенная зона в аэропорту, предназначенная для размещения воздушных судов в целях погрузки или разгрузки пассажиров, почты или груза, заправки топливом, стоянки или технического обслуживания [1]. Перроны аэропортов, как правило, являются очень динамичными и разнородными средами, где персонал перронов и транспортные средства работают в непосредственной близости друг от друга. Из-за такого характера перронов он представляет более высокий риск для наземных аварий с участием воздушных судов, а также наземного персонала. В качестве эффективного метода улучшения картины ситуации и меры по снижению высокого риска на перронах предложены системы наблюдения на основе Лидара [2].

В примере показано, как автоматически обнаруживать отклонения и аномалии в самолетах, выполняющих окончательные подступы к взлетно-посадочной полосе аэропорта. В этом примере вы смоделируете идеальную траекторию захода на посадку и создадите из нее варианты, смоделируете радиолокационные трассы и выдадите предупреждения, как только трассы отклонятся от правил безопасной посадки.

Определите архитектуру отслеживания системы-системы, которая включает в себя многообъектные трекеры нескольких уровней обнаружения и алгоритмы слияния уровней отслеживания. Вы можете использовать архитектуры отслеживания, чтобы сравнить различные конструкции систем отслеживания и найти лучшее решение для вашей системы.

Плавкие радиолокационные детекторы из многоплатформной радиолокационной сети. Сеть включает в себя две бортовые и одну наземную радиолокационные платформы дальнего действия. Для получения более подробной информации см. пример создания многоплатформного радиолокационного обнаружения. Центральный трекер обрабатывает обнаружения со всех платформ с фиксированным интервалом обновления. Это позволяет оценить производительность сети в сравнении с целевыми типами, маневрами платформы, а также конфигурациями и местоположениями платформы.

Использование управления радиолокационными ресурсами для эффективного отслеживания нескольких маневрирующих целей. Сопровождение маневрирующих целей требует от РЛС более частого повторного захода на цели, чем сопровождение маневрирующих целей. Фильтр взаимодействия с несколькими моделями (IMM) оценивает, когда цель маневрирует. Эта оценка помогает управлять временем повторного посещения радара и, следовательно, улучшает отслеживание. В этом примере используется Toolbox™ радара для модели радара и Toolbox™ слияния и отслеживания датчиков для отслеживания.

Моделирование бистатических обнаружений только в диапазоне с использованием четырех пар датчик-излучатель. Кроме того, в этом примере показано, как локализовать и отслеживать несколько целей с помощью бистатических измерений только по дальности.

Иллюстрирует отслеживание объектов с помощью измерений от пространственно распределенных и синхронных пассивных датчиков. В разделе Пассивное ранжирование с использованием одного датчика маневрирования вы узнали, что пассивные измерения обеспечивают неполную наблюдаемость состояния цели и то, как один датчик может быть маневрирован для получения информации о дальности. Альтернативно, для получения наблюдаемости можно также использовать множество стационарных датчиков. В этом примере показано, как отслеживать несколько объектов путем слияния нескольких обнаружений от пассивных синхронных датчиков.

Точки слежения нацеливаются в плотном нагромождении с использованием гауссовой гипотезы о плотности (GM-PHD) с использованием модели постоянной скорости.

Радары обычно принимают эхо-сигналы от всех поверхностей сигнального тракта. Эти нежелательные сигналы обратного рассеяния или эхо, генерируемые физическими объектами, называются загромождением. В плотно загроможденной среде пропущенные обнаружения и ложные сигналы тревоги делают отслеживание объектов сложной задачей. В этом примере показано, как отслеживать целевые точки в плотном нагромождении с помощью GM-PHD-трекера плотности вероятностей гауссовой смеси с моделью постоянной скорости в Simulink. Пример близко следует примеру Track Point Targets in Dense Clutter Using GM-PHD Tracker MATLAB ®.