Сгенерируйте сценарий управления воздушным движением, симулируйте радарные обнаружения от радара наблюдения аэропорта (ASR) и сконфигурируйте средство отслеживания глобального самого близкого соседа (GNN), чтобы отследить симулированные цели с помощью радарных обнаружений. Это позволяет вам оценить различные целевые сценарии, радарные требования и настройки средства отслеживания, не нуждаясь в доступе к дорогостоящему самолету или оборудованию. Этот пример покрывает целый синтетический рабочий процесс данных.

Используйте Сосредоточенный Землей trackingScenario и объект геотраектории смоделировать траекторию рейса, которая охватывает тысячи километров. Вы используете две различных модели, чтобы сгенерировать синтетические обнаружения самолета: моностатический радар и отчеты ADS-B. Вы используете мультиобъектное средство отслеживания, чтобы оценить плоскую траекторию, сравнить эффективность отслеживания и исследовать удар, который ADS-B обеспечивает на полном качестве отслеживания.

Сгенерируйте морской сценарий, симулируйте радарные обнаружения от морского радара наблюдения и сконфигурируйте мультицелевое средство отслеживания Плотности гипотезы вероятности (PHD), чтобы оценить местоположение и размер симулированных поставок с помощью радарных обнаружений.

Центральные землей траектории модели с помощью пользовательских моделей движения в trackingScenario, как сконфигурировать fusionRadarSensor в моностатическом режиме, чтобы сгенерировать синтетические обнаружения обломков пробела, и как установить мультиобъектное средство отслеживания, чтобы отследить симулированные цели.

Импортируйте файл 2D линейного элемента (TLE) спутниковой группировки, симулируйте радарные обнаружения созвездия и отследите созвездие.

Фартук является заданной областью в аэропорту, предназначенном, чтобы вместить самолет в целях загрузить или разгрузить пассажиров, почту или груз, заправку, парковку или обслуживание [1]. Фартуки аэропорта являются обычно очень динамическими и разнородными средами, где персонал фартука и транспортные средства действуют в непосредственной близости друг от друга. Из-за такой природы фартуков, это представляет более высокий риск для несчастных случаев наземного обслуживания включающий самолет, а также наземный персонал. Основанные на лидаре системы наблюдения в фартуках были предложены как эффективный метод улучшить изображение ситуации и служить мерой, чтобы смягчить высокий риск в фартуках [2].

Пример показывает, как автоматически обнаружить отклонения и аномалии в самолете, делающем итоговые подходы к взлетно-посадочной полосе аэропорта. В этом примере вы смоделируете идеальную траекторию подхода приземления и сгенерируете варианты от него, симулируете радарные дорожки и предупреждения о проблемах, как только дорожки отклоняются от безопасных правил приземления.

Задайте архитектуру отслеживания системы систем, которая включает несколько средств отслеживания мультиобъекта уровня обнаружения и алгоритмов сплава уровня дорожки. Можно использовать архитектуры отслеживания, чтобы сравнить различные проекты системы слежения и найти лучшее решение для системы.

Плавьте радарные обнаружения от многоплатформенной радарной сети. Сеть включает два бортовых и наземные радарные платформы дальние. Смотрите Многоплатформенный Радарный пример Генерации Обнаружения для деталей. Центральное средство отслеживания обрабатывает обнаружения со всех платформ в фиксированном интервале обновления. Это позволяет вам оценить эффективность сети против целевых типов, маневры платформы, а также конфигурации платформы и местоположения..

Используйте радарное управление ресурсами, чтобы эффективно отследить несколько маневрирующих целей. Отслеживание маневрирующих целей требует, чтобы радар пересматривал цели более часто, чем отслеживание неманеврирующих целей. Фильтр взаимодействующей многоуровневой модели (IMM) оценивает, когда цель маневрирует. Эта оценка помогает справиться, радар пересматривают время, и поэтому улучшает отслеживание. Этот пример использует Radar Toolbox™ для радарной модели и Sensor Fusion and Tracking Toolbox™ для отслеживания.

Симулируйте бистатические обнаружения только для области значений с помощью четырех эмиттерных датчиком пар. Кроме того, этот пример демонстрирует, как локализовать и отследить несколько целей с помощью бистатических измерений только для области значений.

Иллюстрирует отслеживание объектов с помощью измерений от пространственно распределенных и синхронных пассивных датчиков. В Расположении Пассивного элемента Используя Один Датчик Маневрирования вы узнали, что пассивные измерения обеспечивают неполную наблюдаемость состояния цели и как один датчик может быть выведен, чтобы получить информацию об области значений. В качестве альтернативы несколько стационарных датчиков могут также использоваться, чтобы получить наблюдаемость. В этом примере вы изучите, как отследить несколько объектов путем плавления нескольких обнаружений от пассивных синхронных датчиков.

Отследите цели точек в плотной помехе с помощью Гауссовой плотности гипотезы вероятности смеси (GM-PHD) средство отслеживания с помощью постоянной скоростной модели.

Радары обычно получают эхо от всех поверхностей в пути прохождения сигнала. Эти нежелательные рассеянные спиной сигналы или эхо, сгенерированное от физических объектов, называются помехой. В плотно нарушенной среде пропущенные обнаружения и ложные предупреждения делают объекты отслеживания сложной задачей для обычных средств отслеживания, таких как средство отслеживания Глобальной переменной, ближайшего соседа (GNN). В такой среде средство отслеживания PHD обеспечивает лучшую оценку объектов, когда это может обработать несколько обнаружений на объект на датчик, не кластеризируя их сначала. Этот пример показывает вам, как отследить цели точек в плотной помехе с помощью Гауссовой плотности гипотезы вероятности смеси (GM-PHD) средство отслеживания с постоянной скоростной моделью в Simulink. Пример сопровождает Цели Точки Дорожки в Плотной Помехе Используя пример GM-PHD Tracker MATLAB®.