trackerPHD
多传感器，多目标PHD跟踪器
描述
的trackerPHD系统对象™是一种跟踪器，能够从多个传感器处理多个目标的检测。跟踪器使用多目标概率假设密度（PHD）滤波器来估计点目标和扩展对象的状态。PHD是在跟踪系统的状态空间上定义的函数，其在状态下的值被定义为每单位状态空间量的预期目标数量。PHD由概率密度函数的加权求和（混合物）表示，并且PHD中的峰值对应于可能的目标。有关跟踪器功能的概述，请参阅算法．
默认情况下，trackerPHD可以使用GGIWphd.过滤器，其中模型从扩展对象作为解析点云检测。你也可以使用trackerPHD与Gmphd.过滤器，其跟踪点目标和具有指定形状的扩展对象。跟踪器的输入是由此产生的检测报告objectDetection，FusionRadarscarsor，Irsensor.,或sonarSensor对象。跟踪器输出所有维护的曲目及其分析信息。
要使用此对象跟踪目标：
创造
trackerPHD对象，并设置其属性。使用参数调用对象，就像调用函数一样。
要了解更多关于System对象如何工作的信息，请参见什么是系统对象?．
创建
描述
追踪器= trackerPHDtrackerPHD具有默认属性值的系统对象。
追踪器= trackerPHD (名称,值）trackerPHD (' MaxNumTracks ', 100)创建一个最多允许100个轨道的PHD跟踪器。将每个属性名用引号括起来。
属性
使用
要处理检测和更新跟踪，使用参数调用跟踪器，就好像它是一个函数(这里描述)。
语法
描述
［也返回分析信息，确认套件，追捕欲达，allTracks，analysisInformation) =跟踪器(＿＿＿）analysisInformation，可用于轨道分析。您可以将此输出语法与前面的任何输入语法一起使用。
输入参数
输出参数
对象的功能
要使用对象函数，请指定System对象作为第一个输入参数。例如，释放名为system的对象的系统资源obj，使用此语法：
发行版(obj)
例子
使用trackerPHD跟踪两个对象
设置传感器配置，创建PHD跟踪器，并通过检测馈送跟踪器。
%创建传感器配置。指定传感器的杂波密度和％将ISValidTime属性设置为True。配置= trackingSensorConfiguration (1);配置。ClutterDensity = 1e-7; configuration.IsValidTime = true;%创建一个PHD跟踪器。追踪= trackerPHD (“SensorConfigurations”，配置）;%在t=0时，在[5;-5;0]和[-5;5;0]点附近创建检测%用这些检测更新跟踪器。检测=细胞(20日1);为i = 1:10 detection{i} = objectDetection(0，[5;-5;0] + 0.2*randn(3,1));结束为j = 11:20 detection{j} = objectDetection(0，[-5;5;0] + 0.2*randn(3,1));结束跟踪器（检测，0）;
假设目标以每秒[1;2;0]单位的恒定速度移动，0.1秒后再次更新跟踪器。
dt = 0.1;为I = 1:20检测{I}。时间=检测{}。时间+ dT;检测我{}。米easurement = detections{i}.Measurement + [1;2;0]*dT;结束[confTracks, tentTracks allTracks] =追踪(检测,dT);
可视化检测和确认的轨道。
从检测中获得测量值。d =[检测{}):;测量= [d.Measurement];使用GetTrackPositions函数提取确认跟踪的位置。请注意，我们使用了默认的传感器配置％filterinitializationfcn，initcvggiwphd，它使用恒定速度％模型并将状态定义为[x; vx; y; vy; z; vy]。positionSelector = [1 0 0 0 0 0;0 0 0 0 0];位置= getTrackPositions (confTracks positionSelector);图()图(测量(1:),测量(2:)“x”，“MarkerSize”，5，'markeredgecolor'，“b”）;持有在；情节(职位(1,1),职位(1、2),“v”，“MarkerSize”，5，'markeredgecolor'，“r”）;持有在；情节(职位(2,1),职位(2,2),“^”，“MarkerSize”，5，'markeredgecolor'，“r”）;传奇（“检测”，“轨道1”，“轨道2”)包含(“x”) ylabel (“y”）
更多关于
算法
概率假设密度
概率假设密度（PHD）是在跟踪系统的状态空间上定义的函数，其在状态下的值被定义为每单位状态空间容积的预期目标数量。PHD通常用组分的混合物近似，并且每个组分对应于状态的估计。PHD的常用近似是高斯混合物，SMC混合物，GGIW混合物和GIW混合物。
要理解PHD，以高斯混合为例。高斯混合可以用
在哪里米为组件的总数，N（x|米我，P我）是一个平均值的正态分布米我和协方差P我,w我重量是多少我组件。重量w我表示可以是由代表的目标分数的数字我组件。集成的D（x）在状态区域上，导致该区域中的预期目标数量。整合D（x)在整个状态空间上得到期望的目标总数(∑w我），由于整合了整个状态空间的正态分布是1.x的峰值(局部最大值)的坐标D（x)表示目标最可能的状态。
例如，下图展示了一个PHD函数D（x) =N（x|−4,2)+ 0.5N（x| 3、0.4)+ 0.5N（x| 4, 0.4)。这些分量的权重之和为2，表示可能存在两个目标。从山顶D（x)，这些目标的可能位置是x=−4,x= 3,x= 4。请注意，最后两个组件非常接近，这意味着这两个组件可能归于一个对象。
参考
[1] K.格兰斯托姆，C.伦德奎斯特和O.奥格纳。”基于高斯混合PHD滤波器的扩展目标跟踪。航空航天和电子系统学报。第48卷第4期，2012年，3268-3286页。
[2] Granstorm，K.和O. Orguner。“使用随机矩阵跟踪多个扩展目标的PHD滤波器。”IEEE在信号处理时交易。第60卷，第11期，2012年，5657-5671页。
[3] K. Granstorm和A. Natale, P. Braca, G. Ludeno和F. Serafino。使用x波段海洋雷达数据进行扩展目标跟踪的伽玛高斯逆Wishart概率假设密度地球科学与遥感学报。卷。53，第12,2015，第6610页，第6617-6631。
扩展功能
另请参阅
功能
对象
对象
你也可以从以下列表中选择一个网站:
