1、1确认矩阵拆分division.m 为主程序函数 1：event_no,b=f_recursion_try(1,confirm_meas_total,mbs+1,confirm_matrix,event_no,aa,b)功能：生成所有可行事件参数说明：event_no:可行事件总数b：可行事件矩阵confirm_meas_total：确认量测总数mbs:目标个数confirm_matrix：确认矩阵 其中元素非 0即 1，描述量测与目标是否关联（量测位于目标跟踪门内，则置为 1，否则 0）例如： )(3kz)(2kz)(1kz其确认矩阵 ，拆分结果为：10，结果不必唯一，可按行交换。列数：量测
2、数！201201bBij:在第 i个可行事件中，第 j个量测对应于第 bij个目标！函数 2：tag=f_enable(i,j,input,b,event_no);功能：在形成新的可行事件中，用以判断量测 i和目标 j能否关联参数说明：i：量测编号j：目标编号input：确认矩阵b：已生成的可行事件event_no：应生成的可行事件数2聚形成（需扩展到三维）%将目标按其在整个跟踪空间中的分布情况划分为“聚” ，原则：具有相交跟踪门的目标归入同一个聚中）函数说明：函数名： cl_total,cl_element_total,cl_matrix=f_produce_cluster2(exist_t
3、arget,exist_target_total,u) 返回值：cl_total：聚的总数cl_element_total：每个聚中元素个数cl_matrix：按行存放各个聚中包含的目标，聚矩阵输入参数：exist_target：目标编号列表exist_target_total：目标总数u：按列存放的各个目标跟踪门向量u=u1,u2,u3,u4: u1,u3:左下顶点u2，u4:右上顶点3确认量测（需扩展到三维）%该函数用于确定该聚中所有量测函数说明：函数名：miss_detect_flag,confirm_matrix,confirm_meas,confirm_meas_total=f_co
4、nfirm_measure2(cl_element_total,measurement,mes_total,u);修改为： miss_detect_flag,mes_flag,confirm_matrix,confirm_meas,confirm_meas_total=f_confirm_measure2(cl_element_total(c),measurement,mes_total,u_c);%该函数用于确定该聚中所有量测返回值：miss_detect_flag：该聚中目标漏探标志confirm_matrix：确认矩阵（注：这里的目标号为该聚内部局部编号）confirm_meas：按列存
5、放所有确认量测confirm_meas_total：确认量测总数输入参数：cl_element_total：此聚中目标总数measurement：整个量测集合（按列存放该时刻所有量测）mes_total：该时刻所有量测总数u：该聚中目标跟踪门向量（按列存放）4immjpda：获得目标的 jpda以及 immjpda滤波结果x_jpda,p_jpda,x_immjpda,p_immjpda=f_immjpda(state_dm,target_no,flag,prob,mes,mes_total,x1,p1,x2,p2)函数说明：返回值：x_jpda: 当前目标单模型 jpda滤波状态（各模型按列
6、存放）p_jpda：当前目标单模型 jpda滤波状态协方差阵（各模型按列存放）x_immjpda:当前目标 immjpda滤波状态p_immjpda: 当前目标 immjpda滤波状态协方差阵输入参数：state_dm：目标状态向量维数target_no：目标编号flag：目标类型标志，新目标为 1prob：量测-目标关联概率mes：该聚中所有确认量测mes_total：该聚中确认量测总数x1：前一时刻该目标 immjpda滤波状态p1：前一时刻该目标 immjpda滤波状态协方差阵x2：前一时刻该目标单模型 jpda滤波状态（各模型按列存放）p2：前一时刻该目标单模型 jpda滤波状态协方差
7、阵（各模型按列存放）5矩形跟踪门形成（需扩展到三维）u=f_rect_gate2(z_predict,s_predict,r,kg)%for simulation返回值：u=u1,u2,u3,u4-:跟踪门顶点坐标信息u1：跟踪门左下顶点 x坐标u2：跟踪门右下顶点 x坐标u1：跟踪门左下顶点 y坐标u2：跟踪门左上顶点 y坐标输入参数：z_predict:预报量测s_predict：预报量测协方差阵r:量测噪声协方差阵kg：跟踪门常数6可行事件制定可行事件，计算目标检测指示，量测关联指示，虚警量测个数等assoc_vector_rt,dt,tag,w_rt,xjs_rt=f_produce_
8、w(kxsj,lcs,mbs)返回值：assoc_vector_rt：与该聚中确认量测数同维，标志该事件中各个量测关联的目标号（在聚中的局部编码） 。Dt：目标关联指示，与该聚中目标个数同维（关联上量测为 1，否则 0）Tag：量测关联指示，与该聚中确认量测个数同维（关联上目标为 1，否则 0）w_rt：该可行事件中量测与目标关联情况xjs_rt：该可行事件中的虚警数，即未关联目标的量测数输入参数：kxsj：某个可行事件（将确认矩阵拆分后生成的可行事件矩阵的某一行）lcs：该聚中的目标数mbs：该聚中的确认量测数7坐标变换1地面坐标系2机体坐标系俯仰角：机体坐标系轴 ox与地平面 oxz之间的
9、角度偏航角：机体坐标系轴 ox在地平面 oxz上的投影与地面坐标系轴 ox之间所成的角滚转角：飞机的对称平面 oxy与通过轴的铅垂平面之间所成的角(x,y,z)=f_coordi_trans(x0,y0,z0,a1,a2,a3,dis,fw,fy):坐标变换无用-8模拟产生传感器接收到的量测-just for simulationmes_rt,mes_total,x=f_produce_measure(arg,x,exist_target_total,target_state,u1,u2)返回值：mes_rt：当前时刻传感器接收到的量测信息（按列存放，共 mes_total列）mes_tota
10、l：当前时刻传感器接收到的量测：各个 x：各个目标当前状态（按列存放）输入参数：arg：杂波密度参数x：前一时刻各个目标状态exist_target_total：存在的目标总数target_state：各个目标状态u1：跟踪空间左下顶点坐标u2：跟踪空间右上顶点坐标9从航迹起始算法结果中获得指定目标的状态信息x_rt,p_rt=f_get_xandp(x_new,p_new,i,state_dm);返回值：x_rt：指定目标的状态估值p_rt：指定目标的状态估值协方差输入参数：x_new：航迹起始的多目标状态估计（各个目标按列存放）p_new：航迹起始的多目标状态估计协方差i：目标编号stat
11、e_dm：目标状态向量维数10为新起始目标预报量测与协方差阵z_rt, s_rt=f_initiate_predict(x_current,p_current)返回值：z_rt：预报量测s_rt：预报量测协方差阵输入参数：x_current：当前状态估计p_current：当前状态估计协方差阵有关航迹起始的函数（11，12，13，14，15）11多目标航迹起始函数待完成 new_target_total,x_init,p_init,asso_mes=f_initiate_tracks(M,dm,measurement,mes_total,vmin,vmax,r,t,yz1,yz2,yz3,yz
12、4)输入参数：M：滑窗宽度dm: (当状态维数 x,y两个方向为 2，当状态维数 x,y，z 三个方向为 3)Measurement：各个时刻所有量测（按列存放）mes_total：各个时刻量测个数（向量）vmin：最小速度vmax：最大速度r：传感器量测噪声协方差t：采样间隔yz1：阈值 1yz2：阈值 2yz3：阈值 3yz4：阈值 4返回值：new_target_total：新目标总数x_init：起始的新目标状态估计值（按列存放）p_init：起始的新目标状态估计协方差（按列存放）asso_mes对应于各个新起始目标的量测编码（按行存放）12. 为初始时刻各个候选航迹起点确定候选量测
13、confirm_mes,confirm_mes_index,confirm_mes_total,a1,p1,d=f_confirm1(k,t,mes_now,a_now,p_now,mes_total_next,measurement_next,vmin,vmax,r,yz1);输入参数：k：当前采样时刻t：采样间隔mes_now：作为航迹起点的量测a_now：多项式系数估计p_now：多项式系数估计协方差mes_total_next：下一时刻量测总数measurement_next: 下一时刻所有量测vmin：最小速度vmax：最大速度r：传感器量测噪声协方差yz1:阈值 1返回值：conf
14、irm_mes :所有确认量测confirm_mes_index:所有确认量测索引confirm_mes_total：确认量测总数a1：多项式系数估计（按列存放）p1：多项式系数估计协方差（按列存放）d：统计距离（按列存放）13.为非初始时刻各个候选航迹起点确定候选量测 confirm_mes,confirm_mes_index,confirm_mes_total,a1,p1,d=f_confirm2(k,t,a_now,p_now,mes_total_next,measurement_next,r,yz2);输入参数k：当前采样时刻t：采样间隔a_now：多项式系数估计p_now：多项式系数
15、估计协方差mes_total_next：下一时刻量测总数measurement_next: 下一时刻所有量测r：传感器量测噪声协方差yz2:阈值 2返回值：confirm_mes :所有确认量测confirm_mes_index:所有确认量测索引confirm_mes_total：确认量测总数a1：多项式系数估计（按列存放）p1：多项式系数估计协方差（按列存放）d：统计距离（按列存放）14.多项式拟合function a_rt,p_rt=f_poly_fit(k,t,mes_now,a0,p0,r);输入参数：k：当前采样时刻t：采样间隔mes_now:用于更新多项式系数估计的量测a0：多项式
16、系数估计（old）p0：多项式系数估计协方差(old)r：量测噪声协方差阵返回值：a_rt:多项式系数估计（update）p_rt:多项式系数估计协方差(update)15.多假设扩展 b1,cost,a,p=f_extend(r,k,t,a0,p0,mes_index,mes_start,mes_total1,measurement,yz4); 输入参数：r：量测噪声协方差k：当前采样时刻t：采样间隔a0：多项式系数估计p0：多项式系数估计协方差mes_index：当前量测编号mes_start：当前量测mes_total1：下一时刻量测总数measurement：下一时刻所有量测yz4：阈
17、值 4返回值：b1：所有可能关联情况cost：所有可能关联情况对应的费用a：多项式系数估计（对应所有可能关联情况）p：多项式系数估计协方差（对应所有可能关联情况）16. 对于 k+1时刻的所有确认量测，确定 k+2时刻相应的候选量测 matrix_rt,a_rt,p_rt=f_decide(dm,matrix_input,b,min_index,a,p);%决策，仅保留其一输入参数：dm: (当状态维数 x,y两个方向为 2，当状态维数 x,y，z 三个方向为 3)matrix_input：前一时刻量测组合b：所有可能关联情况min_index：费用最小的量测组合索引a：多项式系数估计（对应所
18、有可能关联情况）p：多项式系数估计协方差（对应所有可能关联情况）返回值：matrix_rt：当前时刻量测组合a_rt：多项式系数估计p_rt：多项式系数估计协方差17.得到对应于每个新起始目标的状态和方差 x_rt,p_rt,d_rt=f_get_xp(M,t,matrix,a,p,mes_total,measurement,r)输入参数：M：滑窗宽度T:采样间隔Matrix：当前假设矩阵a：多项式系数估计（当前假设）p：多项式系数估计协方差（当前假设）mes_total：各个时刻量测个数（向量）Measurement：各个时刻所有量测（按列存放）r：量测噪声协方差返回值：a_rt：多项式系数
19、估计p_rt：多项式系数估计协方差d_rt：统计距离mainpro_last1其中， just for test，just for simulation(为验证方法,仅仿真时使用)几个未交待的函数说明1jpda_parameter;%读取一些仿真参数2measurement,mes_total=f_receive():从雷达信号处理模块，接收量测数据。3input_mes,input_mes_total=f_compute_remain(M,input_mes,input_mes_total,new_target_total,asso_mes) %记载未关联量测，从而完成下一次航迹起始需要多模
20、型方法提供的函数：函数 1：f_imm()：利用指定量测获得的单（多）模型状态估值以及协方差矩阵x_single_model,p_single_model,x_imm,p_imm=f_imm(flag,mes,target_no,x1,p1,x2,p2);返回值：x_ single_model:分别利用每个模型获得的当前时刻滤波状态（形成的组合矩阵）p_ single_model：分别利用每个模型获得的当前时刻滤波状态协方差（形成的组合矩阵）x_imm：利用多模型获得的当前时刻滤波状态p_imm：利用多模型获得的当前时刻滤波状态协方差输入参数：flag：目标类型（新，老）mes：当前量测向量t
21、arget_no:目标号 x1:前一时刻各个模型滤波状态（形成的组合矩阵）p1:前一时刻各个模型滤波状态协方差（形成的组合矩阵）x2:前一时刻多模型滤波状态p2:前一时刻多模型滤波状态协方差函数 2：f_imm_nomes（）：获得目标单模型预报（多模型综合预报）状态和协方差阵model_total,x_model_predict,p_model_predict,x_imm_predict,p_imm_predict=f_imm_nomes(falg,target_no,x1,p1,x2,p2);输入参数：flag:目标类型target_no:目标号 x1:前一时刻各个模型滤波状态（形成的组合矩阵）p1:前一时刻各个模型滤波状态协方差（形成的组合矩阵）x2:前一时刻多模型滤波状态p2:前一时刻多模型滤波状态协方差返回值：model_total:模型总数x_model_predict：单模型预测状态p_model_predict：单模型预测状态协方差x_imm_predict：多模型预测状态p_imm_predict：多模型预测状态协方差
