欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文目录如下1 概述航迹起始是航迹处理中的首要问题在各种航迹处理的情况下都存在对于多目标航迹处理来说航迹起始是第一步是进行航迹跟踪的基础。 由于被探测目标一般都是由远到近的出现在搜索雷达的有效探测范围内的在航迹起始时目标一般距离雷达较远此时雷达分辨力低、测量精度差加之真假目标的出现无真正的统计规律因此在搜索雷达数据处理技术中航迹起始问题是一个难题。现有的航迹起始算法可分为顺序处理技术和批处理技术两大类。通常顺序数据处理技术适用于弱杂波环境中的航迹起始主要包括启发式规则方法和基于逻辑方法批处理技术则更适用于强杂波环境主要包括 Hough 变换等方法。基于逻辑的方法在虚警概率比较低的情况下起始航迹的效果比较好但在复杂环境下虚假航迹比较多Hough 变换法则适用于强杂波背景下航迹成直线的环境但是Hough 变换法通常需要多次的扫描才能较好地起始航迹且计算量大不符合工程应用的需要。低信噪比、低信杂比下的航迹起始是多目标航迹起始的关键问题。Hough 变换具有对局部缺损的不敏感性、对随机噪声的鲁棒性以及适于并行处理、实时应用等特点特别史和解决多目标航迹起始问题。本文对 Hough 变换航迹起始算法进行了研究主要工作如下1.概述了主要的航迹起始方法介绍了 Hough 变换基本原理、Hough 变换的特点指出了 Hough 变换在航迹起始中存在的问题。2.研究与分析了标准 Hough 变换、修正 Hough 变换和序列 Hough 变换三种典型航迹起始算法。通过仿真分析总结出每种算法的适用环境。1962 年Paul Hough 提出了 Hough 变换法,它是实现图像边缘检测的一种有效方法。其基本思想是将图像空间中的检测问题转换到参数空间通过在参数空间里进行简单的累加统计完成检测任务用大多数边界点满足的某种参数形式来描述图像的区域边界曲线。同时 Hough 变换也可以被描述为证据积累过程图像空间中的任意数据点通过变换函数的作用在参数空间中对所有可能经过这一数据点的图形对应的参数进行投票所有数据点的投票在积累矩阵中进行积累投票结束后各积累单元的积累值表示所检测图形的参数为相应积累单元对应参数的概率的大小。因而对于被噪声干扰或间断区域边界的图像Hough 变换具有很好的容错性和鲁棒性。Hough 变换用于航迹起始具有以下特点1将量测空间中的检测问题转换到参数空间进行具有很强的抗干扰能力对随机噪声具有一定的鲁棒性2量测中的每一个点都参加“投票”所以它特别适合并行处理3一种变换方程只对某一种特定的曲线进行检测针对性强4不受空间和曲线形状的影响广义 Hough 变换可以检测任意形状的曲线三维空间 Hough 变换可以检测空间曲线。Hough 变换用于航迹起始具有以下优点1Hough 变换可以检测任意已知形状的曲线从而能够起始某类特定航迹作为先验信息特定航迹的选定提高了信号相干累积的效率避免了大量杂波引起的虚假航迹问题2Hough 变换不要求曲线连续或可导并且对局部缺损和随机噪声鲁棒适于低检测率和低量测精度下的起始3Hough 变换用于航迹起始不需要目标状态初值可实现全自动起始。本文通过大量仿真实验体会到 Hough 变换航迹起始算法存在若干问题严重地影响这航迹起始的性能具体体现在1标准 Hough 变换的计算量庞大并且需要很大的存储空间在低信噪比环境下表现得特别明显延长了航迹起始时间达不到快速性起始的要求。2Hough 变换航迹起始算法在提取航迹参数时一般使用阈值法这就不可避免的出现航迹簇拥现象即一个目标产生了参数近似的多条轨迹。如何选择峰值提取方法既能准确地提取峰值同时又能有效地解决航迹簇拥现象是亟待解决的问题。3Hough 变换航迹起始算法应用于工程实际带来了诸多问题如实际系统中涉及参数众多如何对这些参数进行全面有效地利用是急需解决地问题针对不同地起始环境应该研究不同地专用算法与之相匹配实际系统中很多参数地选取都不能由理论公式推导得出而要通过大量得仿真实验得出。详细文档讲解见第4部分。一、引言航迹起始是多目标跟踪的首要环节尤其在雷达、声呐等传感器数据处理中其核心任务是从含噪声和杂波的二维坐标数据中准确识别并起始多个目标的初始运动轨迹。然而实际量测数据往往包含大量杂波这些杂波会干扰目标航迹的准确识别使得多目标航迹起始变得困难重重。Hough变换作为一种经典的特征提取技术通过将图像空间中的曲线检测问题转换为参数空间中的峰值检测问题在处理含噪声和杂波的数据时具有独特优势。本文旨在探讨如何利用Hough变换处理含杂波的二维坐标数据以解决多目标航迹起始问题。二、Hough变换基本原理Hough变换的核心思想是将图像空间中的检测问题转换到参数空间进行。以直线检测为例图像空间中的任意一条直线都可以用极坐标方程表示为ρxcosθysinθ其中ρ 是原点到直线的距离θ 是直线与x轴的夹角。在图像空间中同一直线上的所有点 (x,y) 在参数空间 (ρ,θ) 中会相交于同一点。因此通过统计参数空间中各点的累积投票数可以找到投票数超过阈值的点这些点即对应图像空间中的潜在直线。三、利用Hough变换处理含杂波二维坐标的步骤数据预处理对雷达等传感器获取的目标检测数据进行滤波、去噪等预处理去除异常数据点提高数据质量。参数空间定义根据目标运动模型和数据特点确定合适的参数空间。对于二维平面内的目标运动可采用极坐标系下的参数表示即直线方程 ρxcosθysinθ。数据映射将图像空间中的每个数据点按照选定的参数空间转换关系映射到参数空间的对应曲线上并在参数空间的相应位置进行投票累加。峰值检测在参数空间中搜索投票数超过设定阈值的峰值点这些峰值点对应图像空间中的潜在目标航迹。航迹生成将峰值点反变换回图像空间确定目标的初始航迹。四、多目标航迹起始中的关键问题与解决方案多峰值处理由于存在多个目标参数空间中会出现多个峰值。为了准确区分不同目标的轨迹需要对多个峰值进行处理。可以采用密度聚类算法如DBSCAN根据峰值点在参数空间中的分布密度将属于同一目标轨迹的峰值点划分到同一类中从而实现多目标轨迹的分离。轨迹验证与关联提取出的目标轨迹可能存在误检或虚警。因此需要对轨迹进行验证和关联。可以利用目标运动的连续性和一致性等特性通过预测下一时刻目标的位置并与后续量测数据进行匹配判断轨迹的真实性。若连续多个时刻的量测数据都能与预测轨迹较好匹配则认为该轨迹是真实的目标航迹反之则将其视为误检轨迹予以剔除。同时对于新出现的量测数据要与已有的轨迹进行关联确定是否属于已存在的目标或者是新的目标从而实现多目标航迹的持续跟踪和起始。五、实验验证与结果分析通过仿真实验验证Hough变换在处理含杂波二维坐标数据时的多目标航迹起始性能。实验结果表明Hough变换能够有效提取目标轨迹特征结合多峰值处理和轨迹验证关联等关键技术提高了多目标航迹起始的准确性和可靠性。然而Hough变换也存在计算量大、对参数空间划分敏感等问题需要进一步优化算法以提高实时性和鲁棒性。六、改进的Hough变换算法修正Hough变换针对标准Hough变换的不足进行改进通过引入目标运动的先验信息如速度范围、加速度限制等对参数空间进行约束缩小搜索范围降低计算复杂度。同时采用更合理的投票策略和峰值检测方法提高对交叉航迹和机动目标的分辨能力减少虚假航迹的产生。序列Hough变换基于时间序列的思想将数据按时间顺序逐段处理。在每个时间片段内利用Hough变换进行航迹起始的初步判断然后结合前后时间片段的结果通过数据关联和轨迹延续等方法逐步确定最终的目标航迹。这种方法能够更好地适应目标运动的动态变化在处理目标出现、消失或机动等情况时具有更好的鲁棒性。2 运行结果2.1 标准Hough变换2.2 修正Hough变换2.3 序列Hough变换部分代码target2;%目标数n15;%起始拍数k90;%sig分的个数m500;%p分的个数Monte_Carlo100;%Monte_Carlo仿真次数L150;%雷达量测距离Pd1;%检测概率%目标起始坐标及速度x140;y120;vx10.3;vy10.18;%单位km,km/sx220;y280;vx20.3;vy2-0.18;Ts4;%采样周期单位ssuccesszeros(Monte_Carlo,target);%目标航迹成功起始矩阵fake(1:Monte_Carlo)0;%目标航迹虚假起始矩阵track_number(1:Monte_Carlo)0;%总航迹起始数N0:n-1;X1_initx1Ts*N*vx1;%真实航迹1Y1_inity1Ts*N*vy1;Y1_0y1-vy1*x1/vx1;offset(1)Y1_0*cos(atan(abs(vy1)/abs(vx1)));%航迹1真实垂距X2_initx2Ts*N*vx2;%真实航迹2Y2_inity2Ts*N*vy2;Y2_0y2-vy2*x2/vx2;offset(2)Y2_0*cos(atan(abs(vy2)/abs(vx2)));%航迹2真实垂距Np1:k;dNppi/k;%参数空间角度间隔angle(Np-1/2)*dNp;dMp6*0.1;%%参数空间垂距间隔for monte1:Monte_Carloclear R Rn A0 P0 R X_za Y_za noisex noiseyR poissrnd(50,1,n);%每拍杂波个数服从泊松分布RnR(1);X_zaunifrnd (0, 100, 1, R(1));%随机产生x,y坐标服从0-100的均匀分布Y_zaunifrnd (0, 100, 1, R(1));for i2:nX_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));Y_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));RnRnR(i);endnoisexnormrnd(0,0.1,1,n);%x量测噪声noiseynormrnd(0,0.1,1,n);X1X1_initnoisex;X2X2_initnoisex;%实际量测Y1Y1_initnoisey;Y2Y2_initnoisey;Azeros(k,2*m);%积累矩阵%航迹1 Hough变换for i1:nfor j1:kP(i,j)X1(i)*cos(angle(j))Y1(i)*sin(angle(j));endend%航迹2 Hough变换for i(n1):(2*n)for j1:kP(i,j)X2(i-n)*cos(angle(j))Y2(i-n)*sin(angle(j));endend%杂波的Hough变换for i2*n1:(2*nRn)for j1:kP(i,j)X_za(i-2*n)*cos(angle(j))Y_za(i-2*n)*sin(angle(j));endend%对积累矩阵投票for i1:kfor j1:2*ma-L(j-1)*dMp;b-Lj*dMp;for h1:2*nRnif (P(h,i)a P(h,i)b)A(i,j)A(i,j)1;endendendend%寻找投票数大于等于阈值的参数count0;for i1:kfor j1:2*mif A(i,j)Pd*n*0.95%阈值检测概率*起始拍数*0到1之间的值countcount1;P0(count)-L(j-1/2)*dMp;%存储符合要求的参数A0(count)angle(i);%存储符合要求的参数endendendtrack_number(monte)count;%记录每次Monte_Carlo仿真总航迹数%输出符合要求的参数for h1:countflag0;for din1:targetif abs(P0(h)-offset(din))3success(monte,din)1;flag1;endendif flag0fake(monte)fake(monte)1;endfprintf(the value of P0 is %f;the value of A0 is %f\n,P0(h),A0(h));endfprintf(*****************************************\n);%绘图figuresubplot(1,2,1)scatter(X1,Y1,5,r);hold onscatter(X2,Y2,6,*,r);hold onscatter(X_za,Y_za,3,filled,g)hold onxlabel(x(km));ylabel(y(km));legend(真实航迹1,真实航迹2,杂波);title(量测图)axis([0 100 0 100])axis onsubplot(1,2,2)scatter(X1,Y1,5,r);hold onscatter(X2,Y2,6,*,r);hold onscatter(X_za,Y_za,3,filled,g)hold onfor h1:countX0:1:100;YS(P0(h)-X*cos(A0(h)))/(sin(A0(h)));plot(X,YS,b);hold onxlabel(x(km));ylabel(y(km));legend(真实航迹1,真实航迹2,杂波,起始航迹);title(起始结果图)axis([0 100 0 100])axis onendend%计算航迹起始成功率success_number0;for i1:Monte_Carlofor j1:targetsuccess_numbersuccess_numbersuccess(i,j);endendsuccess_ratesuccess_number/(Monte_Carlo*target);fprintf(the rate of the successful Track initialization is %f%%\n,success_rate*100);%计算航迹虚假率3参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。Shen Baoyin4 Matlab代码、文档讲解
利用 Hough 变换处理量测得到的含杂波的二维坐标，解决多目标航迹起始问题（Matlab代码实现）
欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文目录如下1 概述航迹起始是航迹处理中的首要问题在各种航迹处理的情况下都存在对于多目标航迹处理来说航迹起始是第一步是进行航迹跟踪的基础。 由于被探测目标一般都是由远到近的出现在搜索雷达的有效探测范围内的在航迹起始时目标一般距离雷达较远此时雷达分辨力低、测量精度差加之真假目标的出现无真正的统计规律因此在搜索雷达数据处理技术中航迹起始问题是一个难题。现有的航迹起始算法可分为顺序处理技术和批处理技术两大类。通常顺序数据处理技术适用于弱杂波环境中的航迹起始主要包括启发式规则方法和基于逻辑方法批处理技术则更适用于强杂波环境主要包括 Hough 变换等方法。基于逻辑的方法在虚警概率比较低的情况下起始航迹的效果比较好但在复杂环境下虚假航迹比较多Hough 变换法则适用于强杂波背景下航迹成直线的环境但是Hough 变换法通常需要多次的扫描才能较好地起始航迹且计算量大不符合工程应用的需要。低信噪比、低信杂比下的航迹起始是多目标航迹起始的关键问题。Hough 变换具有对局部缺损的不敏感性、对随机噪声的鲁棒性以及适于并行处理、实时应用等特点特别史和解决多目标航迹起始问题。本文对 Hough 变换航迹起始算法进行了研究主要工作如下1.概述了主要的航迹起始方法介绍了 Hough 变换基本原理、Hough 变换的特点指出了 Hough 变换在航迹起始中存在的问题。2.研究与分析了标准 Hough 变换、修正 Hough 变换和序列 Hough 变换三种典型航迹起始算法。通过仿真分析总结出每种算法的适用环境。1962 年Paul Hough 提出了 Hough 变换法,它是实现图像边缘检测的一种有效方法。其基本思想是将图像空间中的检测问题转换到参数空间通过在参数空间里进行简单的累加统计完成检测任务用大多数边界点满足的某种参数形式来描述图像的区域边界曲线。同时 Hough 变换也可以被描述为证据积累过程图像空间中的任意数据点通过变换函数的作用在参数空间中对所有可能经过这一数据点的图形对应的参数进行投票所有数据点的投票在积累矩阵中进行积累投票结束后各积累单元的积累值表示所检测图形的参数为相应积累单元对应参数的概率的大小。因而对于被噪声干扰或间断区域边界的图像Hough 变换具有很好的容错性和鲁棒性。Hough 变换用于航迹起始具有以下特点1将量测空间中的检测问题转换到参数空间进行具有很强的抗干扰能力对随机噪声具有一定的鲁棒性2量测中的每一个点都参加“投票”所以它特别适合并行处理3一种变换方程只对某一种特定的曲线进行检测针对性强4不受空间和曲线形状的影响广义 Hough 变换可以检测任意形状的曲线三维空间 Hough 变换可以检测空间曲线。Hough 变换用于航迹起始具有以下优点1Hough 变换可以检测任意已知形状的曲线从而能够起始某类特定航迹作为先验信息特定航迹的选定提高了信号相干累积的效率避免了大量杂波引起的虚假航迹问题2Hough 变换不要求曲线连续或可导并且对局部缺损和随机噪声鲁棒适于低检测率和低量测精度下的起始3Hough 变换用于航迹起始不需要目标状态初值可实现全自动起始。本文通过大量仿真实验体会到 Hough 变换航迹起始算法存在若干问题严重地影响这航迹起始的性能具体体现在1标准 Hough 变换的计算量庞大并且需要很大的存储空间在低信噪比环境下表现得特别明显延长了航迹起始时间达不到快速性起始的要求。2Hough 变换航迹起始算法在提取航迹参数时一般使用阈值法这就不可避免的出现航迹簇拥现象即一个目标产生了参数近似的多条轨迹。如何选择峰值提取方法既能准确地提取峰值同时又能有效地解决航迹簇拥现象是亟待解决的问题。3Hough 变换航迹起始算法应用于工程实际带来了诸多问题如实际系统中涉及参数众多如何对这些参数进行全面有效地利用是急需解决地问题针对不同地起始环境应该研究不同地专用算法与之相匹配实际系统中很多参数地选取都不能由理论公式推导得出而要通过大量得仿真实验得出。详细文档讲解见第4部分。一、引言航迹起始是多目标跟踪的首要环节尤其在雷达、声呐等传感器数据处理中其核心任务是从含噪声和杂波的二维坐标数据中准确识别并起始多个目标的初始运动轨迹。然而实际量测数据往往包含大量杂波这些杂波会干扰目标航迹的准确识别使得多目标航迹起始变得困难重重。Hough变换作为一种经典的特征提取技术通过将图像空间中的曲线检测问题转换为参数空间中的峰值检测问题在处理含噪声和杂波的数据时具有独特优势。本文旨在探讨如何利用Hough变换处理含杂波的二维坐标数据以解决多目标航迹起始问题。二、Hough变换基本原理Hough变换的核心思想是将图像空间中的检测问题转换到参数空间进行。以直线检测为例图像空间中的任意一条直线都可以用极坐标方程表示为ρxcosθysinθ其中ρ 是原点到直线的距离θ 是直线与x轴的夹角。在图像空间中同一直线上的所有点 (x,y) 在参数空间 (ρ,θ) 中会相交于同一点。因此通过统计参数空间中各点的累积投票数可以找到投票数超过阈值的点这些点即对应图像空间中的潜在直线。三、利用Hough变换处理含杂波二维坐标的步骤数据预处理对雷达等传感器获取的目标检测数据进行滤波、去噪等预处理去除异常数据点提高数据质量。参数空间定义根据目标运动模型和数据特点确定合适的参数空间。对于二维平面内的目标运动可采用极坐标系下的参数表示即直线方程 ρxcosθysinθ。数据映射将图像空间中的每个数据点按照选定的参数空间转换关系映射到参数空间的对应曲线上并在参数空间的相应位置进行投票累加。峰值检测在参数空间中搜索投票数超过设定阈值的峰值点这些峰值点对应图像空间中的潜在目标航迹。航迹生成将峰值点反变换回图像空间确定目标的初始航迹。四、多目标航迹起始中的关键问题与解决方案多峰值处理由于存在多个目标参数空间中会出现多个峰值。为了准确区分不同目标的轨迹需要对多个峰值进行处理。可以采用密度聚类算法如DBSCAN根据峰值点在参数空间中的分布密度将属于同一目标轨迹的峰值点划分到同一类中从而实现多目标轨迹的分离。轨迹验证与关联提取出的目标轨迹可能存在误检或虚警。因此需要对轨迹进行验证和关联。可以利用目标运动的连续性和一致性等特性通过预测下一时刻目标的位置并与后续量测数据进行匹配判断轨迹的真实性。若连续多个时刻的量测数据都能与预测轨迹较好匹配则认为该轨迹是真实的目标航迹反之则将其视为误检轨迹予以剔除。同时对于新出现的量测数据要与已有的轨迹进行关联确定是否属于已存在的目标或者是新的目标从而实现多目标航迹的持续跟踪和起始。五、实验验证与结果分析通过仿真实验验证Hough变换在处理含杂波二维坐标数据时的多目标航迹起始性能。实验结果表明Hough变换能够有效提取目标轨迹特征结合多峰值处理和轨迹验证关联等关键技术提高了多目标航迹起始的准确性和可靠性。然而Hough变换也存在计算量大、对参数空间划分敏感等问题需要进一步优化算法以提高实时性和鲁棒性。六、改进的Hough变换算法修正Hough变换针对标准Hough变换的不足进行改进通过引入目标运动的先验信息如速度范围、加速度限制等对参数空间进行约束缩小搜索范围降低计算复杂度。同时采用更合理的投票策略和峰值检测方法提高对交叉航迹和机动目标的分辨能力减少虚假航迹的产生。序列Hough变换基于时间序列的思想将数据按时间顺序逐段处理。在每个时间片段内利用Hough变换进行航迹起始的初步判断然后结合前后时间片段的结果通过数据关联和轨迹延续等方法逐步确定最终的目标航迹。这种方法能够更好地适应目标运动的动态变化在处理目标出现、消失或机动等情况时具有更好的鲁棒性。2 运行结果2.1 标准Hough变换2.2 修正Hough变换2.3 序列Hough变换部分代码target2;%目标数n15;%起始拍数k90;%sig分的个数m500;%p分的个数Monte_Carlo100;%Monte_Carlo仿真次数L150;%雷达量测距离Pd1;%检测概率%目标起始坐标及速度x140;y120;vx10.3;vy10.18;%单位km,km/sx220;y280;vx20.3;vy2-0.18;Ts4;%采样周期单位ssuccesszeros(Monte_Carlo,target);%目标航迹成功起始矩阵fake(1:Monte_Carlo)0;%目标航迹虚假起始矩阵track_number(1:Monte_Carlo)0;%总航迹起始数N0:n-1;X1_initx1Ts*N*vx1;%真实航迹1Y1_inity1Ts*N*vy1;Y1_0y1-vy1*x1/vx1;offset(1)Y1_0*cos(atan(abs(vy1)/abs(vx1)));%航迹1真实垂距X2_initx2Ts*N*vx2;%真实航迹2Y2_inity2Ts*N*vy2;Y2_0y2-vy2*x2/vx2;offset(2)Y2_0*cos(atan(abs(vy2)/abs(vx2)));%航迹2真实垂距Np1:k;dNppi/k;%参数空间角度间隔angle(Np-1/2)*dNp;dMp6*0.1;%%参数空间垂距间隔for monte1:Monte_Carloclear R Rn A0 P0 R X_za Y_za noisex noiseyR poissrnd(50,1,n);%每拍杂波个数服从泊松分布RnR(1);X_zaunifrnd (0, 100, 1, R(1));%随机产生x,y坐标服从0-100的均匀分布Y_zaunifrnd (0, 100, 1, R(1));for i2:nX_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));Y_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));RnRnR(i);endnoisexnormrnd(0,0.1,1,n);%x量测噪声noiseynormrnd(0,0.1,1,n);X1X1_initnoisex;X2X2_initnoisex;%实际量测Y1Y1_initnoisey;Y2Y2_initnoisey;Azeros(k,2*m);%积累矩阵%航迹1 Hough变换for i1:nfor j1:kP(i,j)X1(i)*cos(angle(j))Y1(i)*sin(angle(j));endend%航迹2 Hough变换for i(n1):(2*n)for j1:kP(i,j)X2(i-n)*cos(angle(j))Y2(i-n)*sin(angle(j));endend%杂波的Hough变换for i2*n1:(2*nRn)for j1:kP(i,j)X_za(i-2*n)*cos(angle(j))Y_za(i-2*n)*sin(angle(j));endend%对积累矩阵投票for i1:kfor j1:2*ma-L(j-1)*dMp;b-Lj*dMp;for h1:2*nRnif (P(h,i)a P(h,i)b)A(i,j)A(i,j)1;endendendend%寻找投票数大于等于阈值的参数count0;for i1:kfor j1:2*mif A(i,j)Pd*n*0.95%阈值检测概率*起始拍数*0到1之间的值countcount1;P0(count)-L(j-1/2)*dMp;%存储符合要求的参数A0(count)angle(i);%存储符合要求的参数endendendtrack_number(monte)count;%记录每次Monte_Carlo仿真总航迹数%输出符合要求的参数for h1:countflag0;for din1:targetif abs(P0(h)-offset(din))3success(monte,din)1;flag1;endendif flag0fake(monte)fake(monte)1;endfprintf(the value of P0 is %f;the value of A0 is %f\n,P0(h),A0(h));endfprintf(*****************************************\n);%绘图figuresubplot(1,2,1)scatter(X1,Y1,5,r);hold onscatter(X2,Y2,6,*,r);hold onscatter(X_za,Y_za,3,filled,g)hold onxlabel(x(km));ylabel(y(km));legend(真实航迹1,真实航迹2,杂波);title(量测图)axis([0 100 0 100])axis onsubplot(1,2,2)scatter(X1,Y1,5,r);hold onscatter(X2,Y2,6,*,r);hold onscatter(X_za,Y_za,3,filled,g)hold onfor h1:countX0:1:100;YS(P0(h)-X*cos(A0(h)))/(sin(A0(h)));plot(X,YS,b);hold onxlabel(x(km));ylabel(y(km));legend(真实航迹1,真实航迹2,杂波,起始航迹);title(起始结果图)axis([0 100 0 100])axis onendend%计算航迹起始成功率success_number0;for i1:Monte_Carlofor j1:targetsuccess_numbersuccess_numbersuccess(i,j);endendsuccess_ratesuccess_number/(Monte_Carlo*target);fprintf(the rate of the successful Track initialization is %f%%\n,success_rate*100);%计算航迹虚假率3参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。Shen Baoyin4 Matlab代码、文档讲解
