Сгенерируйте сценарий управления воздушным движением, моделируйте радиолокационные обнаружения с радара наблюдения аэропорта (ASR) и сконфигурируйте глобальный ближайший соседний трекер (GNN), чтобы отслеживать моделируемые цели с помощью радиолокационных обнаружений. Это позволяет вам оценить различные сценарии цели, требования радара и строений трекера, не нуждаясь в доступе к дорогостоящему самолету или оборудованию. Этот пример охватывает весь рабочий процесс синтетических данных.

Используйте Earth-Centered trackingScenario и объект geoTrajectory для моделирования траектории рейса, которая занимает тысячи километров. Вы используете две различные модели, чтобы сгенерировать синтетические обнаружения самолета: моностатический радар и отчеты ADS-B. Вы используете трекер мультиобъекта, чтобы оценить траекторию плоскости, сравнить эффективность отслеживания и исследовать влияние, которое ADS-B оказывает на общее качество отслеживания.

Сгенерируйте морской сценарий, моделируйте радиолокационные обнаружения с морского радара наблюдения и сконфигурируйте многоцелевой трекер плотности гипотезы вероятностей (PHD), чтобы оценить местоположение и размер моделируемых кораблей, используя радиолокационные обнаружения.

Моделируйте землеустроительные траектории с помощью пользовательских моделей движения в trackingScenario, как сконфигурировать fusionRadarSensor в моностатическом режиме, чтобы сгенерировать синтетические обнаружения космического мусора, и как настройка мультиобъекта трекер для отслеживания моделируемых целей.

Импортируйте файл двухлинейного элемента (TLE) спутниковой совокупности, моделируйте радиолокационные обнаружения созвездия и отслеживайте созвездие.

Фартук представляет собой определенную зону в аэропорту, предназначенную для размещения воздушных судов в целях погрузки или разгрузки пассажиров, почты или груза, заправки, стоянки или обслуживания [1]. Перроны аэропорта обычно являются высоко динамичными и неоднородными окружениями, где персонал фартука и транспортные средства работают в непосредственной близости друг от друга. Из-за такого характера фартуков он представляет собой более высокий риск аварий наземного обслуживания с участием самолетов, а также наземного персонала. В качестве эффективного метода улучшения ситуации были предложены системы наблюдения за фартуками на основе лидара, которые служат мерой снижения высокого риска в фартуках [2].

Пример показывает, как автоматически обнаружить отклонения и аномалии в самолетах, совершающих окончательные подходы к взлетно-посадочной полосе аэропорта. В этом примере вы смоделируете идеальную траекторию захода на посадку и сгенерируете из нее варианты, симулируете радарные дорожки и выдаете предупреждения, как только пути отклоняются от правил безопасной посадки.

Определите архитектуру отслеживания системы систем, которая включает несколько многообъектных трекеров уровня обнаружения и алгоритмы слияния уровня дорожки. Вы можете использовать архитектуры отслеживания, чтобы сравнить различные разработки системы отслеживания и найти лучшее решение для вашей системы.

Радиолокационные обнаружения предохранителей от мультиплатформенной радиолокационной сети. Сеть включает две воздушные и одну наземную радиолокационные платформы большой дальности. Смотрите пример генерации мультиплатформенного радиолокационного обнаружения для получения дополнительной информации. Центральный трекер обрабатывает обнаружения со всех платформ с фиксированным интервалом обновления. Это позволяет вам оценить эффективность сети по типам целей, маневрам на платформе, а также конфигурациям и местоположениям платформ.

Используйте радиолокационное управление ресурсами, чтобы эффективно отслеживать несколько маневрирующих целей. Отслеживание маневрирующих целей требует, чтобы радар пересматривал цели чаще, чем отслеживание не маневрирующих целей. Фильтр «Взаимодействие нескольких моделей» (IMM) оценивает, когда цель маневрирует. Эта оценка помогает управлять временем пересмотра радара и, следовательно, улучшает отслеживание. Этот пример использует Radar Toolbox™ для модели радара и Sensor Fusion and Tracking Toolbox™ для отслеживания.

Симулируйте бистатические обнаружения только области значений с помощью четырех пар датчик-эмиттер. Кроме сложения, этот пример демонстрирует, как локализовать и отслеживать несколько целей, используя бистатические измерения только для области значений.

Иллюстрирует отслеживание объектов с помощью измерений с пространственно распределенных и синхронных пассивных датчиков. В Пассивном Диапазоне Используя Один Датчик Маневрирования, вы узнали, что пассивные измерения обеспечивают неполную наблюдаемость состояния цели и как один датчик может маневрировать, чтобы получить информацию о области значений. Альтернативно, несколько стационарных датчиков могут также использоваться для усиления наблюдаемости. В этом примере вы научитесь отслеживать несколько объектов путем слияния нескольких обнаружений с пассивных синхронных датчиков.

Отследите точки в плотном загромождении с помощью Гауссова гипотезы о вероятности (GM-PHD) трекера с использованием модели постоянной скорости.

Радары обычно получают эхо-сигналы со всех поверхностей в пути сигнала. Эти нежелательные обратные рассеянные сигналы или эхо-сигналы, сгенерированные физическими объектами, называются загромождением. В плотно загроможденном окружении пропущенные обнаружения и ложные предупреждения делают объекты слежения сложной задачей. Этот пример показывает, как отслеживать точки цели в плотном загромождении с помощью Гауссова гипотезы вероятности (GM-PHD) трекера с постоянной скоростной моделью в Simulink. Пример внимательно следует примеру Track Point Targets в плотном загромождении с использованием GM-PHD Tracker MATLAB ®.