传感器融合和跟踪工具箱
设计和模拟多传感器跟踪和定位系统
传感器融合和跟踪工具箱™包括用于设计,仿真,以及来自多个传感器的熔丝数据到保持位置,取向,和情景意识的系统的分析算法和工具。参考实施例提供用于实现机载的,基于地面,船载,和水下监视,导航和自治系统的组件的起点。
工具箱中包括多目标跟踪器、传感器融合过滤器,运动和传感器模型和数据关联算法,让您评估使用真实和合成数据融合架构。随着传感器融合和跟踪工具箱可以导入并定义场景和轨迹,流信号,并生成用于有源和无源传感器,包括射频,声学,EO / IR,和GPS / IMU传感器合成数据。您也可以评估系统的精度和性能标准的基准测试,指标和动画图。
为模拟加速或桌面原型,工具箱支持C代码生成。万博1manbetx
开始:
生成对象构成
在不同的参考系中定义和转换物体的真实位置、速度和方向。
创建跟踪案例
示范平台,如飞机,地面车辆或船舶。平台可以携带的传感器和提供的信号源或反射信号。平台可以是固定的或在运动中,携带传感器和发射器,和包含方面依赖性签名反映信号。
旋转,方向和四元
表示取向和使用四元数旋转,欧拉角,旋转矩阵,和旋转矢量。定义相对于本体框架传感器取向。
惯性和GPS传感器
IMU(惯性测量单元)、GPS(全球定位系统)和INS(惯性导航系统)。调整环境参数,如温度和模型的噪声特性,以模拟真实环境。
被动传感器
模型RWR(雷达告警接收机),ESM(电子支援措施),无源声纳,和红外传感器,以产生用于在跟踪场景仅使用万博1manbetx角度检测。限定发射器和信道特性,以模型的干扰。
定位估计
熔断器加速计和磁强计读数模拟电子罗盘(eCompass)。融合加速度计,陀螺仪和磁强计读数与姿态和航向参考系统(AHRS)过滤器。
姿态估计
估计造成使用和不使用惯性传感器和GPS非完整标题的约束。通过融合与高度计或视觉里程惯性传感器确定姿势没有GPS。
对象跟踪过滤器
使用线性,扩展估计对象状态,和无迹卡尔曼滤波器的线性和非线性运动和测量模型。使用高斯总和和颗粒过滤器为非线性的,非高斯状态估计包括与范围或只角的测量跟踪。改善与交互多模型(IMM)滤波器机动目标跟踪。
运动和测量模型
配置跟踪与恒定速度,恒定加速度,恒定转和自定义动作模型滤波器在笛卡尔,与球形沿着和改性球形坐标系统。定义的位置和速度,范围角度,角度,或仅自定义的测量模型。
跟踪器
将估计过滤器、分配算法和跟踪管理逻辑集成到多目标跟踪器中,以将检测融合到跟踪中。在具有挑战性的场景中使用多重假设跟踪器(MHT),例如在模糊情况下跟踪距离较近的目标。
场景可视化
在3D中绘制物体的方向和速度、地面真实轨迹、传感器测量和轨迹。图检测和跟踪不确定性。使用历史轨迹可视化跟踪ID。
传感器和跟踪指标
生成音轨建立、维护和删除指标,包括音轨长度、音轨中断和音轨ID交换。根据位置、速度、加速度和偏航率均方根误差(RMSE)以及平均归一化估计误差平方(ANEES)来估计跟踪精度。利用艾伦方差分析惯性传感器噪声。
履带级融合器
执行轨迹对轨迹的融合和架构分散的跟踪系统
高斯混合PHD跟踪器
跟踪与指定的形状点对象和扩展对象
OSPA规
使用最优子模式分配度量(OSPA)评估跟踪器性能
跟踪Simuli万博1manbetxnk模块
跟踪对象使用trackerGNN
和trackerJPDA
万博1manbetx仿真软件模块
互补滤波器
基于加速度计、陀螺仪和磁强计传感器数据估计方位
ENU参照系
使用ENU(东 - 北向上)为惯性传感器融合的工作流的参考帧
查看发行说明有关这些功能和相应功能的详细信息。