％创建跟踪方案。场景=跟踪场景(“停车时间”，30）;%定义单位转换。nmi2m=1852；%海里到米hr2s=3600；%小时到秒kts2mps=nmi2m/hr2s；%节到米每秒

%创建监视雷达。传感器= FusionRadarsensor（1，“无扫描”,...“安装位置”，[0 0-20]，...％20米（ASL）“MountingAngles”,[45 0 0],...%[偏航-俯仰-滚转]度“FieldOfView”,[30 10],...%[az el]deg'参考范围'，5e3，...%m“方位角解”2....%度“范围解析”5....%m'hasins'符合事实的...%报告信息'targetreportformat','检测',...%无聚类检测'检测','传感器球形'）;

平台（方案，'传感器'、传感器);塔=场景。平台{1}

%定义两艘小船的尺寸。dim = struct（...“长度”,80,...%m“宽度”,15,...%m“高度”5....%m“原始偏移量”, [0 0 5/2]);％[x y z] m%将小型船舶的雷达散射截面（RCS）建模为30 dBsm。rcs = rcssignature（“模式”，30）;％创建一个转动的轨迹。速度= 20;%结初始偏航=130；%度初始位置=[1050 790]；半径=200；%minitOrient=四元数（[init0]，“欧勒德”,'Zyx','框架'); initVel=速度*kts2mps*旋转点（initOrient，[1 0]）；accBody=[0（速度*kts2mps）^2/半径0]；angVelBody=[0 0速度*kts2mps/半径]；traj=运动轨迹(“位置”，initPos，“速度”，initVel，“方向”，东方，...“AccelerationSource”,“财产”,“加速”，accBody，...“AngularVelocitySource”,“财产”,“角度速度”，angVelBody）；%将第一艘以20节的速度航行的小船添加到场景中%离雷达塔最近的船。平台（方案，“尺寸”暗淡的“签名”，rcs，“轨迹”，traj）；%创建另一艘小船，以30节的速度航行。这是船%哪一个离雷达塔最远。速度=30；%结初始偏航=120；%度initpos = [1410 1180 0];半径= 400;%minitOrient=四元数（[init0]，“欧勒德”,'Zyx','框架'); initVel=速度*kts2mps*旋转点（initOrient，[1 0]）；accBody=[0（速度*kts2mps）^2/半径0]；angVelBody=[0 0速度*kts2mps/半径]；traj=运动轨迹(“位置”，initPos，“速度”，initVel，“方向”，东方，...“AccelerationSource”,“财产”,“加速”，accBody，...“AngularVelocitySource”,“财产”,“角度速度”，angVelBody）；平台（场景，“尺寸”暗淡的“签名”，rcs，“轨迹”，traj）；%定义大型船舶的尺寸。dim = struct（...“长度”，400，...%m“宽度”60，...%m“高度”,15,...%m“原始偏移量”, [0 0 15/2]);％[x y z] m%将大型船舶的雷达截面(RCS)建模为75dbsm。rcs = rcssignature（“模式”,75);%创建大船的轨迹，以10节的恒定航向航行。速度=10；%结初始偏航=-135；%度initPos=[1150 1100 0]；initOrient=四元数（[init0]，“欧勒德”,'Zyx','框架'); initVel=速度*kts2mps*旋转点（initOrient，[1 0]）；traj=运动轨迹(“位置”，initPos，“速度”，initVel，“方向”，东方，...“AccelerationSource”,“财产”,“AngularVelocitySource”,“财产”）;%将大型船舶添加到场景中。平台（方案，“尺寸”暗淡的“签名”，rcs，“轨迹”，traj）；％创建显示屏以显示船舶的真实，测量和跟踪位置。TheaterDisplay = HelpermarinesurveillandicleSplay（情景，...“伊西娅”符合事实的“距离单位”,“我是,...“XLim”，450*[-11]+1e3，“YLim”，450*[-11]+1e3，'zlim',[-1000 10],...'电影','marineurveillanceexample.gif'）;slcttrkpos = zeros（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）;

%定义雷达的测量极限和分辨率。azLimits=传感器视野（1）/2*[-1]；%度rangelimits = [0 15e3];%mSensorLimits = [Azlimits; rangelimits];sensorreesolution = [sensor.azimuthresolution; sensor.rangeresolution];％在塔上定义传感器的安装位置和方向。参数（1）=结构(“框架”,“球形”,...“原始位置”，sensor.mountinglocation（:)，...“原始速度”,[0;0;0],...“方向”，rotmat（四元数）（传感器安装角，“欧勒德”,“zyx”,'框架'），'框架'），...“IsParentToChild”符合事实的...“哈斯兰奇”符合事实的“HasElevation”，sensor.haselevation，'hasvelocity'，假）；%在场景中定义塔的位置、速度和方向。参数（2）=结构(“框架”,“矩形”,...“原始位置”tower.Trajectory.Position (:)...“原始速度”，塔。轨迹。速度（：），...“方向”，rotmat（塔架、轨道、方向、，'框架'），...“IsParentToChild”符合事实的...“哈斯兰奇”符合事实的“HasElevation”错误的'hasvelocity'，假）；%创建TrackingSensor配置，以模拟传感器的可检测性%由传感器跟踪。检测概率定义概率%从扩展对象生成至少1个检测。传感器配置=跟踪传感器配置(“传感器索引”、传感器。SensorIndex,...“传感器限制”，sensorlimits，...“传感器分辨率”，分辨率，...“DetectionProbability”,0.99,...'sensortransformparameters'，params）;%用于更新TrackingSensor配置的传感器配置上的字段。configFlds={“传感器索引”,“IsValidTime”};%与雷达分辨率单元对应的噪声协方差。resolutionNoise=diag（（传感器分辨率/2）。^2）；sensorConfig.FilterInitializationFcn=@（varargin）filterInitFcn（varargin{：}，参数）；sensorConfig.SensorTransformFcn=@ctmeas；sensorConfig.ClutterDensity=sensor.FalseArmRate/（sensor.AzimuthResolution*sensor.RangeResolution）；%使用trackingSensorConfiguration创建PHD跟踪器。tracker=trackerPHD(“传感器配置”，sensorConfig，...“HassensorConfiguration输入”符合事实的...“分割FCN”，@（x）分区检测（x，1.5,6），...“删除阈值”，1e-6，...“出生率”，1e-5）；

％初始化方案和跟踪器。重启（场景）；重置（跟踪器）；%将模拟设置为以雷达的更新速率前进。场景。updaterate = sensor.updaterate;%可重复的随机种子集。rng（2019年）；%运行模拟。snaptimes = [2 7场景.Stoptime];%秒尽管前进（方案）%获取当前模拟时间。时间=scenario.SimulationTime；％从塔雷达产生检测。[DETS，〜，CONFIG] =检测（塔，时间）;config.sensorindex = sensor.sensorindex;更新探测的测量噪声以匹配雷达分辨率。dets=更新测量噪声（dets，分辨率噪声）；%更新跟踪器。trackSensorConfig=ComputeTrackSensorConfig（配置，配置FLDS）；tracks=tracker（数据传输，trackSensorConfig，时间）；％更新显示当前波束位置，检测和跟踪位置。theaterDisplay(引爆器,配置,跟踪);%拍快照。snapFigure（剧院显示器，任意（时间==快照时间））；结尾writeMovie（剧院显示器）；

showSnapshot（剧院显示器，1）

showSnapshot（剧院显示器，2）轴（[1250 1450 1150 1350]）；视图（[-90 90]）；

showsnapshot（theaterdisplay，3）轴（[650 850 700 900]）;查看（[ -  90 90]）;

showSnapshot（剧院显示器，3）轴（[900 1100 1250 1450]）；视图（[-90]）；

numTrks=numel（轨迹）；TrackID=[tracks.TrackID]'；长度=0（numTrks，1）；宽度=0（numTrks，1）；高度=0（numTrks，1）；为了iTrk=1:numTrks ext=tracks（iTrk）.ext；[Q，D]=eig（ext）；D=2*sqrt（diag（D））；iDims=1:3；up=[0-1]；[~，iUp]=max（abs（up*Q））；高度（iTrk）=D（iDims（iUp））；iDims（iUp）=[]；长度（iTrk）=max（D（iDims））；宽度（iTrk）=min（D（iDims））；结尾%显示船舶的估计尺寸表。dims=表格（轨迹ID、长度、宽度、高度）

功能config=computeTrackingSensorConfig（configIn，flds）config=struct（）；为了iFld=1:numel（flds）thisFld=flds{iFld}；config.（thisFld）=configIn.（thisFld）；结尾结尾

功能dets=更新测量噪音（dets，噪音）为了iDet=1:numel（dets）dets{iDet}.MeasurementNoise（：）=noise（：）；结尾结尾

功能phd=过滤器输入FCN（measParam，Varagin）该函数仅使用预测出生密度来模拟出生%情景。如果nargin == 1%在FOV内均匀设置预测出生。phdDefault=initctggiwphd；% 1. 使用方位角和距离创建均匀分布的状态。AZ = 0;百分比方位角的所有组件。范围=linspace（100010000,5）；范围％5组件[Az，R]=网格网格（Az，范围）；％创建一个PHD过滤器来分配内存。PHD = GGIWPHD（零（7，NUMER（AZ）），REPMAT（EYE（7），[1 1 NUMER（AZ）]），...“比例矩阵”，repmat（眼睛（3），[1 1 numel（az）]），...“StateTransitionFcn”，@constturn，“状态转换JacobianFCN”，@constturnjac，...'measurementfcn'，@ctmeas，“测量JacobianFCN”，@ctmeasjac，...'positionIndex'，[1 3 6]，“ExtentRotationFcn”，phddefault.extentrotationfcn，...“HasAdditiveProcessNoise”错误的'processnoise'，2*眼（4），...“暂时性排泄”，1e3，“GammaForgettingFactors”，1.1*个（1，努美尔（亚利桑那州）），...“MaxNumComponents”，10000）;为了i = 1：NUMER（AZ）[SENSORX，SENSORY，SENSORZ] = SPH2CART（DEG2RAD（AZ（i）），0，R（i））;GlobalPos = measparam（1）.Oorientation'* [SensorX;感官; Sensorz] + Measparam（1）.originposition（:);phd.states（[1 3 6]，i）= GlobalPos;PHD.STATECOVIRARCE（[1 3 6]，[1 3 6]，i）= DIAG（[1E5 1E5 1000]）;使用位置协方差的组件之间的％覆盖间隙结尾% 2. 您已经描述了每艘船的“运动学”状态百分比在视野内。接下来，添加有关其大小的信息%预期检测次数。%%预计海上有两种类型的船舶，小型和小型%大的。可以为每个尺寸创建构件。phdsmall = phd;%克隆大型船舶的PHD过滤器。phdLarge=克隆（phd）；%设置组件的初始数量。numcomps = phdsmall.numcomponents;对于小型船舶，预计长度和尺寸约为100米%20米宽。由于方向未知，我们将创建4个%每个尺寸的方向。首先，必须将组件添加到%相同状态下的密度。这可以通过简单地附加它来实现小船的％设置值附加（phdSmall，phdSmall）；附加（phdSmall，phdSmall）；%定义形状的自由度。大数字表示%更高的维度确定性。DOF = 1000;%vx、vy和ω的协方差。smallStateCov=diag（[300 50]）；%小船尺度矩阵smallShape=（自由度-4）*诊断（[100/220/210]。^2）；%l、w和h%创建4个彼此成45度角的方向。为了i=1:4该指数=（i-1）*numComps+（1:numComps）；R=rotmat（四元数（[45*（i-1）0]，“欧勒德”,'Zyx','框架'），'框架')phdSmall.ScaleMatrices（：，：，thisIndex）=repmat（R*smallShape*R'，[1 numComps]）；phdSmall.StateCovariances（[2 4 5]，[2 4 5]，thisIndex）=repmat（R*smallStateCov*R'，[1 numComps]）；phdSmall.StateCovariances（[6 7]，[6 7]，thisIndex）=repmat（diag（[100]），[1 numComps]）；结尾%小型船舶产生大约10-20次探测。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（:) = DOF;％遵循类似的大船的过程。追加（phdLarge，phdLarge）；追加（phdLarge，phdLarge）；大盖世太保=诊断（[100 5 10]）；大形状=（dof-4）*诊断（[500/2 100/2 10]）。^2）；为了i=1:4该指数=（i-1）*numComps+（1:numComps）；R=rotmat（四元数（[45*（i-1）0]，“欧勒德”,'Zyx','框架'），'框架'）;phdlarge.scalematrices（：，：，thisIndex）= repmat（r * largeshape * r'，[1 1 numcomps]）;phdlarge.statecoviarces（[2 4 5]，[2 4 5]，themindex）= Repmat（R * RestaTecov * R'，[1 1 NumComps]）;phdlarge.statecoviarces（[6 7]，[6 7]，themIndex）= Repmat（Diag（[100 100]），[1 1 NumComps]）;结尾%产生大约100-200次检测。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（：）=dof；%将大型船舶添加到小型船舶以创建总密度。此密度%每一步都添加到总密度中。phd=phdSmall；附加（博士、博士）；结尾%当使用检测输入（即自适应出生密度）调用时，不要%添加任何新组件。如果纳金>1%这将在密度中创建0个组件。phd=初始CTGGIWPD；结尾结尾