Создайте обнаружения расширенных объектов с измерениями в области значений и Доплер. Предположим, что максимальная однозначная область значений составляет 20 м, а однозначный допплеровский диапазон простирается от $-30$ Гц к $30$ Гц. Данные для этого примера содержатся в dataClusterDBSCAN.mat файл. Первый столбец матрицы данных представляет область значений, а второй - Doppler.

Входные данные содержат следующие расширенные цели и ложные предупреждения:

Создайте clusterDBSCAN объект и укажите, что значения не выполняются путем установки EnableDisambiguation на false. Решите для индексов кластера.

load('dataClusterDBSCAN.mat');
cluster1 = clusterDBSCAN('MinNumPoints',3,'Epsilon',2, ...
    'EnableDisambiguation',false);
idx = cluster1(x);

Используйте clusterDBSCAN plot объект для отображения кластеров.

plot(cluster1,x,idx)

График указывает, что существует восемь явных кластеров и шесть шумовых точек. 'Dimension 1' метка соответствует области значений, и 'Dimension 2' метка соответствует Доплеру.

Далее создайте другую clusterDBSCAN объект и задать EnableDisambiguation на true чтобы указать, что кластеризация выполняется в диапазоне и контурах неоднозначности Доплера.

cluster2 = clusterDBSCAN('MinNumPoints',3,'Epsilon',2, ...
    'EnableDisambiguation',true,'AmbiguousDimension',[1 2]);

Выполните кластеризацию с использованием пределов неоднозначности, а затем постройте график результатов кластеризации. Результаты кластеризации DBSCAN правильно показывают четыре кластера и пять шумовых точек. Для примера точки на области значений, близкие к нулю, кластеризованы с точками около 20 м, потому что максимальная однозначная область значений составляет 20 м.

amblims = [0 maxRange; minDoppler maxDoppler];
idx = cluster2(x,amblims);
plot(cluster2,x,idx)