生成一个空中交通管制场景，模拟机场监视雷达(ASR)的雷达探测，并配置一个全局最近邻(GNN)跟踪器，使用雷达探测来跟踪模拟目标。这使您能够评估不同的目标场景、雷达需求和跟踪器配置，而不需要访问昂贵的飞机或设备。这个示例涵盖了整个合成数据工作流。

使用一个以地球为中心的跟踪场景和一个geoTrajectory对象来模拟一个跨越数千公里的飞行轨迹。你使用两种不同的模型来生成飞机的综合探测:单基地雷达和ADS-B报告。您可以使用多目标跟踪器来估计平面轨迹，比较跟踪性能，并探索ADS-B对整体跟踪质量的影响。

生成一个海洋场景，模拟来自海洋监视雷达的雷达探测，并配置一个多目标概率假设密度(PHD)跟踪器，使用雷达探测估计模拟船舶的位置和大小。

在跟踪场景中使用自定义运动模型建立以地球为中心的轨迹模型，如何配置fusionRadarSensor在单基地模式下生成空间碎片的合成探测，以及如何设置多目标跟踪器来跟踪模拟目标。

导入卫星星座的双线元(Two-Line Element, TLE)文件，模拟该星座的雷达探测，并跟踪该星座。

停机坪是机场内为容纳飞机装卸旅客、邮件或货物、加油、停车或维修而划定的区域。机场停机坪通常是高度动态和异质性的环境，停机坪人员和车辆相互靠近操作。由于停机坪的这种性质，涉及飞机和地面人员的地面操作事故的风险更高。摘要基于激光雷达的围护区监测系统是一种改善围护区现状的有效方法，也是缓解围护区[2]高风险的有效措施。

该实例展示了如何自动检测偏差和异常飞机最后接近机场跑道。在本例中，您将模拟一个理想的着陆进场轨迹并从中生成变体，模拟雷达轨迹，并在轨迹偏离安全着陆规则时发出警告。

定义包含多个检测级多目标跟踪器和跟踪级融合算法的系统的跟踪体系结构。您可以使用跟踪体系结构来比较不同的跟踪系统设计，并找到适合您的系统的最佳解决方案。

从多平台雷达网络引信雷达探测。该网络包括两个机载和一个陆基远程雷达平台。详细信息请参见多平台雷达探测生成示例。中央跟踪器以固定的更新间隔处理来自所有平台的检测。这使您能够评估网络的性能针对目标类型，平台机动，以及平台配置和位置。

利用雷达资源管理有效地跟踪多个机动目标。跟踪机动目标比跟踪非机动目标需要雷达更频繁地重访目标。采用交互多模型(IMM)滤波器对目标进行机动时的估计。这种估计有助于管理雷达重访时间，从而增强跟踪。本示例使用雷达工具箱™用于雷达模型，传感器融合和跟踪工具箱™用于跟踪。

使用四个传感器-发射器对模拟双静态仅距离检测。此外，这个例子演示了如何使用双基地距离测量来定位和跟踪多个目标。

说明了利用空间分布和同步无源传感器的测量来跟踪目标。在使用单一机动传感器的被动测距中，您了解到被动测量提供了目标状态的不完全可观测性，以及如何操纵单个传感器来获得距离信息。此外，还可以使用多个固定传感器来获得可观测性。在本例中，您将了解如何通过融合来自被动同步传感器的多个检测来跟踪多个目标。

采用恒定速度模型的高斯混合概率假设密度跟踪器跟踪密集杂波中的点目标。

雷达通常接收信号路径上所有表面的回波。这些由物理物体产生的不需要的反向散射信号或回波称为杂波。在密集的杂波环境中，漏检和误报使得跟踪目标成为传统跟踪器(如全球最近邻跟踪器)的一个具有挑战性的任务。在这样的环境中，PHD跟踪器提供了更好的目标估计，因为它可以处理每个传感器每个目标的多个检测，而无需首先对它们进行聚类。这个例子向您展示了如何在密集杂波中使用具有恒定速度模型的高斯混合概率假设密度(GM-PHD)跟踪器跟踪点目标。金宝app这个例子紧密跟随跟踪点目标在密集杂波使用GM-PHD跟踪MATLAB®的例子。