非常感谢你提供的信息

而且
用于目标跟踪的门体体积估计
马克·R·莫兰德音乐大师

很好的程序，但是我想问一下，你在函数Kalman_Filter_Init中使用的参考文献是什么。特别是从Kalman_Filter_Paper

有人能解释一下betta(ValidDataPointNum+1)是如何被发现的吗?根据我的理解，这就是文学上所说的beta_0。
从网上的资料中，我读到beta_0应该是*根号(2* π *det(S))*(1-PD*PG)/PD。

祝贺你,非常有趣

亲爱的高斯,
你说得对。
在文件“Structure\u PDAF\u Init\u Track”中定义它会更干净
实际上，它是在文件“Structure\u PDAF\u Association”中创建的
但我没有得到一个错误。
最好是将此代码重新设计为Matlab对象。

函数结构\u PDAF\u Track\u Update中存在错误。未定义数据索引。如果您仅执行此函数，则会收到此消息
Structure_PDAF_Track_Update错误(第33行)
DataInd =专辑曲目{我}.TrackObj.DataInd

有谁知道最近邻居滤波器的实现的链接(基于马氏距离)?

有人知道基于马氏距离的最近邻过滤器的链接吗？

嗨，我有一个问题。
对于二维非参数PDA，betta_0值应为：
(1-PG * PD) / PD * ValidDataPointNum /√(Par.GateLevel);

为什么这段代码要将它与平方根(det(Sk))相乘?
（文件结构\u PDAF\u Track\u Update.m，第124行）

有人能解释一下吗?
非常感谢。

干得好！

乌里，你做得很好！是否有任何文件解释您的代码结构以及代码中使用的公式的实际引用？

乌里，
伟大的工作!如果你能将传感器(如导引头在方位角、仰角和距离方面的测量)的真实性添加到sim中，作为跟踪关联测量和跟踪融合的多重测量，那就太好了。
广

你好，EKC，

谢谢你的评论！
我用了一本旧书《多目标多传感器跟踪》，现在已经没有了。
你是对的。我在玩一些简单版本的门函数。
准确的门通体积应该使用卡方分布。

你的工作太棒了。
但我有几个问题：

如果你使用的是Bar-Shalom、Daum和Huang的参考“PDAF”，
那我对你的门参数感到困惑。

（1） 在PDAF_Init_参数中，这些参数没有意义：
%不相上下。GateLevel = 5;% - 98.9%
%不相上下。GateLevel = 4;% - 86.5%
你不应该有：P.GATELVEL= CH2VIV（PAR，PG，PA.DIQUDIM）
（2） 在PDAF_协会中，您为什么有：
GateLevel = PAR.GATeleVel.PAR.DIM？
验证区域为置信椭球
门级，而不是PAR。
(3)供本文参考，式(34)和(35)

反驳。我的错-_-

计算betta_0重量时是否可能存在错误？（文件结构\u PDAF\u Track\u Update.m，第124行）。

我遵循了《多传感器数据融合手册》(Handbook of Multisensor Data Fusion, Liggins, Hall, Llinas)第10章中的公式，该手册也是由Bar-Shalom共同撰写的。看来，对于二维非参数PDA，其值应为:
(1-PG * PD) / PD * ValidDataPointNum /√(Par.GateLevel);

这意味着原始代码乘以2*根号(det(Sk))。

有人能证实/反驳这一点吗?
先谢谢你。

它非常useful.thx