Exponenta Banner

compatibleTrackBranches

Сформулируйте глобальные гипотезы из кластеров

Свернуть все на странице

Синтаксис

[hypotheses,hypScores] = compatibleTrackBranches(clusters,incompatibleBranches,scores,maxNumHypotheses)

Описание

пример

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

Гипотезы являются наборами совместимых ветвей дорожки, которые являются ветвями, которые не относятся к одной дорожке или разделяют обнаружение в своей истории. Счет каждой гипотезы является сумма счетов всех ветвей, включенных в гипотезу.

Примеры

свернуть все

Открыть Live Script

Создайте матрицу истории ветвей для 12 ветвей. В данном примере матрица истории ветвей 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]);

Получите список кластеров и список несовместимых ветвей. The clusters матрица имеет три столбца, поэтому существует три кластера.

[clusters,incompBranches] = clusterTrackBranches(branchHistory);

Задайте вектор-столбец 12 на 1, содержащие счета ветви.

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];

Задайте количество глобальных гипотез.

numHypotheses = 6;

Получите матрицу гипотез и счет 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 параметры

свернуть все

Кластеры, заданные как один из следующих.

  • Логическая матрица M P -by. M - количество ветвей, а P - количество кластеров. Элемент (i, j) true если j ветви содержится в кластерных i. Значение P меньше или равно M.

  • Вектор длины M, где i-й элемент задает индекс кластера, который содержит i ветви.

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

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

Типы данных: logical

Несовместимые ветви, заданные как M -by M симметричная логическая матрица. Элемент (i, j) true если ветви i и j попарно-несовместимы.

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

Типы данных: logical

Счета ветви, заданные как M -by 1 числовой вектор или M -by 2 числовая матрица.

Примечание

Если вы задаете scores в качестве M -by 2 числовой матрицы, затем в первом столбце указывается текущий счет каждой ветви, а во втором - максимальный счет. compatibleTrackBranches игнорирует второй столбец.

Типы данных: single | double

Максимальное количество гипотез, заданных как положительное целое число.

Выходные аргументы

свернуть все

Гипотезы, возвращенные как M -by H логическая матрица, где M - количество ветвей, а H - значение maxNumHypotheses.

Гипотезы оценивают, возвращаются как 1-байт- H числовой вектор.

Ссылки

[1] Werthmann, John R. «Пошаговое описание вычислительно эффективной версии отслеживания нескольких гипотез». В трудах SPIE Vol. 1698, Сигнал и обработка малых целей. 1992, стр 288–300. doi: 10.1117/12.139379.

Расширенные возможности

.

См. также

| | |

Введенный в R2018b

Документация по Sensor Fusion and Tracking Toolbox

Поддержка