%创建跟踪场景。场景= trackingScenario (“StopTime”, 30);定义单位转换。nmi2m = 1852;％海里到米的hr2 = 3600;小时到秒kts2mps = nmi2m /的hr2;%节到米每秒

%创建监视雷达。传感器= fusionRadarSensor (1,“没有扫描”，．..“MountingLocation”(0 0 -20),．..% 20米(ASL)'mountingangles'(45 0 0),．..%[偏航纵摇'fieldofview'30 [10],．..% [z el] deg“ReferenceRange”5 e3,．..% m“AzimuthResolution”2,．..%度“RangeResolution”5,．..% m“之内”,真的,．..报告INS信息“TargetReportFormat”，“检测”，．..%检测不聚类“DetectionCoordinates”，“球形传感器”）;

平台(场景中,“传感器”，传感器）;塔=场景.platforms {1}

定义两艘小船的尺寸。昏暗的=结构(．..“长度”, 80,．..% m“宽度”15岁的．..% m'高度'5,．..% m“OriginOffset”， [0 0 5/2]);(b) i ' m%将小船的雷达横截面(RCS)建模为30 dBsm。rcs = rcsSignature (“模式”, 30);创造一个转弯轨迹。速度= 20;%结initYaw = 130;%度initPos = [1050 790 0];半径= 200;% minitOrient =四元数([initYaw 0 0]，“eulerd”，“ZYX股票”，“帧”）;initVel = speed*kts2mps*rotatepoint(initOrient，[1 0 0])';accBody = [0 (speed*kts2mps)^2/radius 0];angVelBody = [0 0 speed*kts2mps/radius];traj = kinematicTrajectory ('位置'initPos,“速度”initVel,“定位”initOrient,．..“AccelerationSource”，“属性”，“加速”accBody,．..“AngularVelocitySource”，“属性”，“AngularVelocity”, angVelBody);在场景中加入第一艘以20节速度航行的小船。这是离雷达塔最近的一艘船。平台(场景中,“维度”昏暗的,“签名”rcs,“轨迹”, traj);创造另一艘以30节速度航行的小船。这就是那艘船%距离雷达塔最远。速度= 30;%结initYaw = 120;%度initPos = [1410 1180 0];半径= 400;% minitOrient =四元数([initYaw 0 0]，“eulerd”，“ZYX股票”，“帧”）;initVel = speed*kts2mps*rotatepoint(initOrient，[1 0 0])';accBody = [0 (speed*kts2mps)^2/radius 0];angVelBody = [0 0 speed*kts2mps/radius];traj = kinematicTrajectory ('位置'initPos,“速度”initVel,“定位”initOrient,．..“AccelerationSource”，“属性”，“加速”accBody,．..“AngularVelocitySource”，“属性”，“AngularVelocity”, angVelBody);平台(场景中,“维度”昏暗的,“签名”rcs,“轨迹”, traj);定义大型船的尺寸。昏暗的=结构(．..“长度”, 400,．..% m“宽度”现年60岁的．..% m'高度'15岁的．..% m“OriginOffset”， [0 0 15/2]);(b) i ' m％型号为大型船舶的雷达横截面（RCS）为75 dbsm。rcs = rcsSignature (“模式”, 75);%创建大型船舶的轨迹，以10节的恒定航向航行。速度= 10;%结initYaw = -135;%度initPos = [1150 1100 0];initOrient =四元数([initYaw 0 0]，“eulerd”，“ZYX股票”，“帧”）;initVel = speed*kts2mps*rotatepoint(initOrient，[1 0 0])';traj = kinematicTrajectory ('位置'initPos,“速度”initVel,“定位”initOrient,．..“AccelerationSource”，“属性”，“AngularVelocitySource”，“属性”）;%将大型船添加到场景中。平台(场景中,“维度”昏暗的,“签名”rcs,“轨迹”, traj);%创建一个显示来显示船只的真实、测量和跟踪位置。theaterDisplay = helperMarineSurveillanceDisplay(场景中,．..“IsSea”,真的,“DistanceUnits”，“米”，．..“XLim”, 450 * [1] + 1 e3,“YLim”, 450 * [1] + 1 e3,“ZLim”-1000年[10],．..“电影”，“MarineSurveillanceExample.gif”）;slctTrkPos = 0(3、7);slctTrkPos (1, - 1) = 1;slctTrkPos(2、3)= 1;slctTrkPos(3、6)= 1;slctTrkVel = circshift(slctTrkPos，[0 1]);theaterDisplay。TrackPositionSelector = slctTrkPos;theaterDisplay。TrackVelocitySelector = slctTrkVel; theaterDisplay(); snapnow(theaterDisplay);

定义雷达的测量范围和分辨率。azLimits = sensor.FieldOfView(1)/2*[-1 1];%度= [0 15e3];% msensorLimits = [azLimits; rangeLimits];sensorResolution = [sensor.AzimuthResolution; sensor.RangeResolution];定义传感器在塔上的安装位置和方向。参数(1)=结构(“帧”，“球”，．..“OriginPosition”sensor.MountingLocation (:)．..“OriginVelocity”(0, 0, 0),．..“定位”, rotmat(四元数(传感器。MountingAngles,“eulerd”，“zyx股票”，“帧”)，“帧”)，．..“IsParentToChild”,真的,．..“HasRange”,真的,'haselevation'、传感器。HasElevation,“HasVelocity”、假);在场景中定义塔的位置、速度和方向。参数(2)=结构(“帧”，“矩形”，．..“OriginPosition”，tower.traptory.position（:)，．..“OriginVelocity”tower.Trajectory.Velocity (:)．..“定位”rotmat (tower.Trajectory.Orientation“帧”)，．..“IsParentToChild”,真的,．..“HasRange”,真的,'haselevation'假的,“HasVelocity”、假);%创建跟踪传感器配置模型的检测由传感器跟踪%。检测概率定义了概率从扩展对象生成至少1个检测的百分比。sensorConfig = trackingSensorConfiguration (“SensorIndex”，sensor.sensorindex，．..“SensorLimits”sensorLimits,．..“SensorResolution”sensorResolution,．..'侦查可力', 0.99,．..“SensorTransformParameters”、参数);用于更新trackingSensorConfiguration的传感器配置的%字段。configFlds = {“SensorIndex”，“IsValidTime”}；%雷达分辨率单元对应的噪声协方差。resolutionNoise =诊断接头((sensorResolution / 2) ^ 2);sensorConfig。FilterInitializationFcn = @(变长度输入宗量)filterInitFcn(变长度输入宗量{:},params);sensorConfig。SensorTransformFcn = @ctmeas;sensorConfig。ClutterDensity = sensor.FalseAlarmRate / (sensor.AzimuthResolution * sensor.RangeResolution);使用trackingSensorConfiguration创建一个PHD跟踪器。追踪= trackerPHD (“SensorConfigurations”sensorConfig,．..“HasSensorConfigurationsInput”,真的,．..“PartitioningFcn”@ (x) partitionDetections (x, 1.5, 6),．..“ExtractionThreshold”, 0.75,．..“DeletionThreshold”1 e-6．..'出生率'1 e-5);

初始化场景和跟踪器。重启(场景);重置(跟踪);%设置模拟以雷达的更新速度前进。场景。UpdateRate = sensor.UpdateRate;%为可重复的结果设置随机种子。rng (2019“旋风”）;%的模拟运行。snapTimes = [2 7 scenario.StopTime];%秒而推进(场景)获得当前模拟时间。时间= scenario.SimulationTime;从塔的雷达上产生探测。[侦破,~,配置]=检测(塔、时间);更新探测的测量噪声以匹配雷达分辨率。依据= updateMeasurementNoise(侦破,resolutionNoise);%更新追踪。trackSensorConfig = computeTrackingSensorConfig(配置、configFlds);跟踪=追踪(精细、trackSensorConfig、时间);%用当前波束位置、探测和跟踪位置更新显示。TheaterDisplay（DETS，CONFIG，TRACK）;%的快照。snapFigure (theaterDisplay,任何(时间= = snapTimes));结束writeMovie (theaterDisplay);

showSnapshot (theaterDisplay, 1)

showSnapshot(theaterDisplay,2)轴([1250 1450 1150 1350]);视图(90 [-90]);

showSnapshot(theaterDisplay,3)轴([650 850 700 900]);视图(90 [-90]);

showSnapshot(theaterDisplay,3)轴([900 1100 1250 1450]);视图(90 [-90]);

numTrks =元素个数(跟踪);TrackID = [tracks.TrackID] ';长度= 0 (numTrks, 1);宽度= 0 (numTrks, 1);身高= 0 (numTrks, 1);为iTrk = 1:numTrks ext = tracks(iTrk).Extent;[Q, D] = eig (ext);d = 2 *√诊断接头(d));iDims = 1:3;Up = [0 0 -1];[~, iUp] = max (abs (* Q));高度(iTrk) = d (iDims (iUp));iDims (iUp) = [];长度(iTrk) = max (d (iDims));宽度(iTrk) = min (d (iDims));结束%显示船舶的估计尺寸。dim =表(TrackID、长度、宽度、高度)

函数config = computeackingsensorconfig (configIn,flds) config = struct();为iFld = 1:numel(flds) thisFld = flds{iFld};配置(thisFld) = configIn。(thisFld);结束结束

函数依据= updateMeasurementNoise(精细、噪音)为dets = 1:numel(dets) dets{iDet}.MeasurementNoise(:) = noise(:);结束结束

函数博士= filterInitFcn (measParam变长度输入宗量)％此功能仅使用预测的出生密度来模拟出生%的场景。如果输入参数个数= = 1%在FOV内均匀设置预产期。phdDefault = initctggiwphd;% 1。使用方位角和距离创建均匀分布状态。阿兹= 0;方位角上的所有分量。范围= linspace(1000、10000、5);% 5组成范围(阿兹,R) = meshgrid (Az,范围);%创建一个PHD过滤器来分配内存。phd = ggiwphd(zeros(7,numel(Az))，repmat(eye(7)，[1 1 numel(Az)]))，．..“ScaleMatrices”repmat(眼(3)[1 1元素个数(Az)]),．..“StateTransitionFcn”@constturn,“StateTransitionJacobianFcn”@constturnjac,．..“MeasurementFcn”@ctmeas,“MeasurementJacobianFcn”@ctmeasjac,．..“PositionIndex”(1 3 6),'senderrotationfcn', phdDefault。ExtentRotationFcn,．..“HasAdditiveProcessNoise”假的,“ProcessNoise”, 2 *眼(4),．..“TemporalDecay”1 e3,“GammaForgettingFactors”, 1.1 *(1,元素个数(Az)),．..“MaxNumComponents”, 10000);为i = 1:numel(Az) [sensorX,sensorY,sensorZ] = sph2cart(deg2rad(Az(i))，0,R(i));globalPos = measParam(1).Orientation'*[sensorX;sensorY;sensorZ] + measParam(1).OriginPosition(:);博士学位。States([1 3 6]，i) = globalPos;博士学位。statecovariance ([1 3 6]，[1 3 6]，i) = diag([1e5 1e5 1000]);%使用位置协方差覆盖组件之间的间隙结束% 2。你已经描述了每艘船的“运动学”状态%在视野内。接下来，添加关于它们的大小和%预期检测数。％预计在海上有两种类型的船，小型和%。您可以为每种大小创建组件。phdSmall =博士;%克隆PHD过滤器用于大型船只。phdLarge =克隆(博士);%设置初始组件数。numComps = phdSmall.NumComponents;对于小船的百分比，预期尺寸的长度约为100米宽度% 20米。由于方向未知，我们将创建4每个大小的%方向。首先，必须将组件添加到在相同状态下，%密度。这可以通过简单地附加它来完成%小船的设置值追加(phdSmall phdSmall);追加(phdSmall phdSmall);定义形状的自由度。一个大的数字代表%更高的尺寸确定性。景深= 1000;vx vy和的协方差。smallStateCov = diag([300 300 50]);%比例矩阵的小船= (dof - 4)*diag([100/2 20/2 10].^2);% l, w, h创建4个方向，彼此45度。为i = 1:4 thisIndex = (i-1)*numComps + (1:numComps); / /索引R = rotmat(四元数([45*(i-1) 0 0]，“eulerd”，“ZYX股票”，“帧”)，“帧”）;phdSmall.ScaleMatrices(:，:，thisIndex) = repmat(R*smallShape*R'，[1 1 numComps]); / /指定一个数组phdSmall。StateCovariances([2 4 5]，[2 4 5]，thisIndex) = repmat(R*smallStateCov*R'，[1 1 numcoms]); / /指定一个节点phdSmall。StateCovariances([6 7]，[6 7]，thisIndex) = repmat(diag([100 100])，[1 1 numComps]);结束%小型船舶产生大约10-20个检测。expNumDets = 15;不确定性= 5 ^ 2;phdSmall.Rates (,) = expNumDets /不确定性;phdSmall.Shapes (,) = expNumDets ^ 2 /不确定性;phdSmall.DegreesOfFreedom(:) =景深;对于大型船舶遵循类似的流程。追加(phdLarge phdLarge);追加(phdLarge phdLarge);largeStateCov = diag([100 5 10]);= (dof - 4)*diag([500/2 100/2 10].^2);为i = 1:4 thisIndex = (i-1)*numComps + (1:numComps); / /索引R = rotmat(四元数([45*(i-1) 0 0]，“eulerd”，“ZYX股票”，“帧”)，“帧”）;phdLarge.ScaleMatrices(:，:，thisIndex) = repmat(R*largeShape*R'，[1 1 numComps]); / /复制索引phdLarge。StateCovariances([2 4 5]，[2 4 5]，thisIndex) = repmat(R*largeStateCov*R'，[1 1 numcoms]); / /将数据存储在指定的节点上phdLarge。StateCovariances([6 7]，[6 7]，thisIndex) = repmat(diag([100 100])，[1 1 numComps]);结束%生成大约100-200个检测。expNumDets = 150;不确定性= 50 ^ 2;phdLarge.Rates (,) = expNumDets /不确定性;phdLarge.Shapes (,) = expNumDets ^ 2 /不确定性;phdLarge.DegreesOfFreedom(:) =景深;将大的船加入到小的船中以创造总密度。这个密度每一步加到总密度。博士= phdSmall;追加(博士,phdLarge);结束%当调用检测输入，即适应性出生密度，不要%添加任何新组件。如果输入参数个数> 1%这将在密度中创建0个组件。博士= initctggiwphd;结束结束