Лабораторная работа / Лаб_АиС
.docМинистерство образования и науки РФ
Санкт-Петербургский государственный электротехнический университет“ЛЭТИ”
кафедра математического обеспечения ЭВМ
Пояснительная записка к лабораторной работе №1
по дисциплине
«Алгоритмы идентификации сигналов»
Задача идентификации измерений для модели с фиксированным числом объектов (разовый эксперимент).
Выполнил: студент гр.3341 Рыжок М.С.
Проверил: доцент каф. МО ЭВМ Алексеев А.Ю.
Санкт-Петербург 2008
Лабораторная работа №1
Задача идентификации измерений для модели с фиксированным числом объектов
Вариант эксперимента: четыре близких объекта с параллельными трассами при малой вероятности обнаружения.
Выполнение работы:
-
Изменить ИД в соответствии с требованиями
-
Провести эксперимент (имитация, обработка, фиксация)
-
Оценить результаты визуально
-
Сравнить качество идентификации : визуальное отображение обрабатываемых кадров и пункт меню «Результаты идентификации», качественно интерпретировать имеющиеся ошибки идентификации
Параметры системы
Число кадров в сеансе K = 20
Временной интервал между кадрами dT = 1
Начальное значение датчика. случайных. чисел InitRand = 9401
Число объектов N = 4
Количество начальных условий QCond = 4
Начальные вектора состояний необнаруженных объектов
[Число кадров в сеансе] K = 20
[Временной интервал между кадрами] dT = 1.000000
[Начальное значачение датч. сл. чисел] InitRand = 20
[Число объектов] N = 4
[Количество н. у.] QCond = 4
[Начальные вектора состояний необнаруженных объектов] X0 =
9.999900 9.999900 9.999900 9.999900
12.000000 6.000000 3.000000 5.000000
11.000000 6.000000 4.000000 5.000000
5.000000 6.000000 10.000000 5.000000
0.000000 6.000000 15.000000 5.000000
Чтобы объекты двигались параллельно, вектора состояния по скоростям должны быть одинаковы. Объекты движутся из левого нижнего угла в правый верхний, значит обе компоненты скорости положительные, а начальные значения вектора координат невелики.
[СКО нач. ошибок оценки Х0] P0 =
9.999900 9.999900 9.999900 9.999900
3.500000 0.400000 3.500000 0.400000
3.500000 0.400000 3.500000 0.400000
3.500000 0.400000 3.500000 0.400000
3.500000 0.400000 3.500000 0.400000
[СКО возмущений динамики объектов] Q =
0.000000 0.020000 0.000000 0.020000
[Параметр распределения Пуассона числа объектов] Mu = 0.999990
[Параметр распределения Бернулли числа неразл. объектов] PiUndiff = 0.999990
[Параметры распределения Бернулли числа разл. объектов] PiDiff =
0.999990 0.999990 0.999990 0.999990
[Поле обзора прибора] Bounds =
0.000000 0.000000 180.000000 120.000000
[СКО флуктуационных ошибок измерений] R =
1.000000 1.000000
[СКО систематической ошибки измерений] STeta =
-
0.000000
Систематической ошибки измерений нету
[Параметр распределения Пуассона числа ложных измерений] La =6.000000
[Вероятность обнаружения объекта] D =0.500000
Вероятность обнаружения объекта невелика.
[Квантиль нормального распределения] Delta =2.600000
[Число сохраняемых гипотез] LFix =
7 7 7 6 6 6 6 5 5 5 4 4 4 4 3 3 2 2 2 2 2
Начальное состояние алгоритма:
7 кадр – первая ошибка:
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее третьему объекту, было ошибочно идентифицировано как принадлежащее четвертому объекту
10-й кадр : 2-ая ошибка
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее третьему объекту, было ошибочно идентифицировано как принадлежащее четвертому объекту
11-ый кадр – третья ошибка
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее третьему объекту, было ошибочно идентифицировано как принадлежащее четвертому объекту
13-ый кадр – четвертая ошибка
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее четвертому объекту, было ошибочно идентифицировано как принадлежащее третьему объекту
14-ый кадр:
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее четвертому объекту, было идентифицировано, как измерение, принадлежащее третьему объекту, т.к попало в его строб.
16-ый кадр
Истинная гипотеза
Вычисленная гипотеза
Измерение, принадлежащее третьему объекту, было идентифицировано, как измерение, принадлежащее четвертому объекту, т.к попало в его строб
18 кадр
Истинные гипотезы
Вычисленные гипотезы
Измерение, принадлежащее третьему объекту было идентифицировано как принадлежащее четвертому объекту, так как попало в его строб
19 кадр
Истинные гипотезы
Вычисленные гипотезы
Измерение, принадлежащее третьему объекту было идентифицировано как принадлежащее четвертому объекту, так как попало в его строб
Файлы результатов
[ Ошибки идентификации (для каждого объекта и каждого кадра); ]
[ (N+1)-й столбец - количество ошибочно идентифицированных измерений ]
[ в данном кадре ] ErrIdent=
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 1 1 1
0 0 0 0 0
0 0 0 0 0
0 0 1 1 1
0 0 1 1 1
0 0 1 1 1
0 0 1 1 1
0 0 1 1 1
0 0 0 0 0
0 0 1 1 1
0 0 0 0 0
0 0 1 1 1
0 0 1 1 1
0 0 0 0 0
[ Число лишних объектов ] QExtraObj = 0
[ Число недостающих объектов ] QNotYetObj = 0
[ Массив соответствия номеров трасс объектов ] ConformArr=
1 2 3 4
[ Ошибки оценивания (для каждого объекта и каждого кадра) ] ErrEvX =
-0.615 -0.297 4.909 -0.057
1.491 -1.019 -0.979 -0.724
-0.650 0.106 1.189 -0.128
-3.673 -0.293 2.388 -0.061
-0.785 -0.307 0.315 -0.103
0.472 -1.052 -1.703 -0.726
-0.544 0.076 1.060 -0.106
-3.966 -0.316 2.327 -0.034
-1.092 -0.346 0.212 -0.110
-0.129 -1.084 -1.365 -0.725
-0.468 0.082 0.955 -0.126
-4.281 -0.336 2.293 -0.028
-1.438 -0.335 0.102 -0.132
-0.243 -0.911 -1.420 -0.633
-0.386 0.103 0.829 -0.122
-4.617 -0.366 2.264 -0.028
-0.999 -0.202 1.642 0.170
-0.484 -0.754 -0.869 -0.376
-0.581 0.107 -0.177 -0.175
-1.242 -0.206 0.695 -0.142
-1.594 -0.298 -0.044 -0.168
-1.239 -0.750 -1.245 -0.350
-0.086 0.190 1.018 0.079
-1.448 -0.247 0.553 -0.196
-1.322 -0.156 0.010 -0.111
-0.896 -0.517 -1.544 -0.308
0.104 0.203 1.096 0.072
-0.887 -0.070 -0.541 -0.394
-1.368 -0.126 0.107 -0.066
-0.972 -0.421 0.574 0.201
1.991 0.567 3.116 0.520
-0.957 -0.107 -0.935 -0.401
-0.915 -0.027 -0.067 -0.106
-1.394 -0.457 0.774 0.204
2.558 0.560 3.636 0.528
-1.064 -0.145 -1.336 -0.429
-0.943 -0.044 -0.173 -0.111
-1.850 -0.471 0.978 0.211
3.118 0.559 4.164 0.544
-1.209 -0.159 -1.765 -0.461
-0.987 -0.053 -0.285 -0.109
-0.114 -0.130 0.107 0.037
3.677 0.605 4.709 0.557
-1.785 -0.217 -5.274 -0.983
-0.371 0.051 -0.025 -0.047
-0.244 -0.136 0.144 -0.001
4.282 0.580 5.265 0.530
-3.046 -0.404 -6.407 -1.015
-0.320 0.039 -0.071 -0.046
-0.394 -0.141 -0.627 -0.104
4.862 0.586 5.796 0.521
-4.341 -0.553 -6.013 -0.790
-0.281 -0.004 -0.118 -0.040
0.177 -0.010 0.348 0.082
5.173 0.554 4.507 0.282
-4.894 -0.574 -6.802 -0.786
-0.297 0.003 -0.259 -0.073
0.167 -0.041 0.431 0.106
5.238 0.474 4.481 0.251
-5.468 -0.571 -7.588 -0.771
-0.357 -0.046 -0.748 -0.145
0.221 -0.044 0.235 0.019
5.712 0.481 4.731 0.276
-6.040 -0.540 -8.359 -0.765
-0.403 -0.016 -0.892 -0.159
-0.529 -0.124 -0.462 -0.118
6.193 0.491 5.007 0.306
-8.026 -0.752 -6.339 -0.336
-0.419 -0.044 -1.051 -0.129
-0.071 0.014 -0.045 0.022
6.684 0.502 5.313 0.296
-8.778 -0.766 -6.676 -0.367
-0.464 -0.031 -1.180 -0.129
-0.057 -0.016 -0.024 -0.011
7.185 0.512 5.609 0.248
-8.053 -0.512 -6.734 -0.298
0.296 0.066 -0.662 -0.020
-0.073 -0.042 -0.034 -0.048
7.698 0.507 5.857 0.248
-9.576 -0.690 -6.084 -0.142
--------------------------------------------------------------------------------------
[ Вероятности наличия объектов ] ObjProb =
1.000 1.000 1.000 1.000 1.000
[ Вектоpа состояний объектов ] StateVector =
0.00000 0.00000 0.00000 0.00000
12.33419 6.28042 -1.96774 5.05895
8.52993 6.97924 4.22728 5.75168
5.76838 5.88129 8.67806 5.13334
3.37360 6.29899 12.55144 5.06089
0.00000 0.00000 0.00000 0.00000
18.61461 6.29727 3.09121 5.05690
15.50918 7.01914 9.97896 5.72445
11.64967 5.89416 13.81140 5.12841
9.67258 6.29295 17.61233 5.06098
0.00000 0.00000 0.00000 0.00000
24.91189 6.30833 8.14811 5.04549
22.52831 7.05164 15.70341 5.72604
17.54383 5.92402 18.93981 5.10560
15.96553 6.31573 22.67331 5.03387
0.00000 0.00000 0.00000 0.00000
31.22021 6.34757 13.19361 5.05206
29.57996 7.09584 21.42945 5.75248
23.46786 5.91847 24.04541 5.12581
22.28126 6.33594 27.70717 5.02843
0.00000 0.00000 0.00000 0.00000
37.56778 6.33700 18.24567 5.07438
36.67580 7.07365 27.18194 5.76475
29.38632 5.89701 29.17122 5.12198
28.61720 6.36608 32.73560 5.02772
0.00000 0.00000 0.00000 0.00000
43.90479 6.34598 23.32005 5.07837
43.74945 7.07674 32.94669 5.78964
35.28333 5.87908 34.29321 5.13276
34.98327 6.38571 37.76332 5.06770
0.00000 0.00000 0.00000 0.00000
50.25077 6.36203 28.39842 5.04219
50.82619 7.07238 38.73633 5.76393
41.16241 5.86153 39.42596 5.11008
41.36899 6.42621 42.83102 5.12223
0.00000 0.00000 0.00000 0.00000
56.61280 6.34258 33.44061 5.03268
57.89857 7.08150 44.50025 5.73255
47.02394 5.84836 44.53605 5.11687
47.79520 6.40740 47.95326 5.14507
0.00000 0.00000 0.00000 0.00000
62.95538 6.33554 38.47329 5.03280
64.98007 7.07847 50.23280 5.73337
52.87230 5.86318 49.65292 5.10731
54.20259 6.44397 53.09833 5.15149
0.00000 0.00000 0.00000 0.00000
69.29092 6.36167 43.50609 5.04935
72.05854 7.11361 55.96617 5.72975
58.73548 5.87051 54.76023 5.09884
60.64657 6.48223 58.24982 5.18005
0.00000 0.00000 0.00000 0.00000
75.65259 6.37822 48.55544 5.05467
79.17216 7.12796 61.69592 5.72313
64.60599 5.87101 59.85906 5.08286
67.12880 6.49592 63.42987 5.21212
0.00000 0.00000 0.00000 0.00000
82.03081 6.38675 53.61011 5.05279
86.30012 7.16726 67.41905 5.71056
70.47700 5.82507 64.94192 5.07017
73.62472 6.48591 68.64199 5.23911
0.00000 0.00000 0.00000 0.00000
88.41757 6.40081 58.66290 5.05524
93.46737 7.17289 73.12961 5.74833
76.30207 5.85036 70.01209 5.09688
80.11063 6.49562 73.88110 5.24585
0.00000 0.00000 0.00000 0.00000
94.81837 6.41312 63.71815 5.05483
100.64027 7.17544 78.87793 5.72138
82.15243 5.84400 75.10897 5.10645
86.60625 6.47822 79.12695 5.28350
0.00000 0.00000 0.00000 0.00000
101.23150 6.45670 68.77298 5.04871
107.81570 7.17241 84.59932 5.72804
87.99643 5.84146 80.21542 5.11297
93.08447 6.49979 84.41045 5.27956
0.00000 0.00000 0.00000 0.00000
107.68820 6.44771 73.82169 5.06508
114.98811 7.20326 90.32735 5.70414
93.83789 5.84856 85.32839 5.09914
99.58426 6.49675 89.69001 5.26450
0.00000 0.00000 0.00000 0.00000
114.13591 6.48576 78.88677 5.06638
122.19137 7.22390 96.03150 5.73560
99.68645 5.84176 90.42753 5.07386
106.08101 6.46586 94.95451 5.25859
0.00000 0.00000 0.00000 0.00000
120.62168 6.45556 83.95316 5.08029
129.41527 7.16919 101.76709 5.73547
105.52820 5.83213 95.50139 5.04379
112.54687 6.44515 100.21310 5.27727
0.00000 0.00000 0.00000 0.00000
127.07723 6.48410 89.03344 5.05035
136.58446 7.14627 107.50256 5.70197
111.36033 5.82118 100.54519 5.05425
118.99202 6.45918 105.49036 5.30807
0.00000 0.00000 0.00000 0.00000
133.56134 6.47099 94.08379 5.05088
143.73073 7.17659 113.20453 5.73441
117.18152 5.81034 105.59944 5.10171
125.45120 6.45082 110.79844 5.28948
0.00000 0.00000 0.00000 0.00000
140.03233 6.49846 99.13467 5.04409
150.90732 7.20207 118.93894 5.77130
122.99185 5.81574 110.70115 5.10216
131.90202 6.44982 116.08792 5.30193
[ Ковариационные матрицы объектов ] CovMatrix =
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
12.25000 0.00000 0.16000 12.25000 0.00000 0.16000
12.25000 0.00000 0.16000 12.25000 0.00000 0.16000
12.25000 0.00000 0.16000 12.25000 0.00000 0.16000
12.25000 0.00000 0.16000 12.25000 0.00000 0.16000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
12.41000 0.16000 0.18000 12.41000 0.16000 0.18000
12.41000 0.16000 0.18000 12.41000 0.16000 0.18000
12.41000 0.16000 0.18000 12.41000 0.16000 0.18000
12.41000 0.16000 0.18000 12.41000 0.16000 0.18000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
12.91000 0.34000 0.20000 12.91000 0.34000 0.20000
12.91000 0.34000 0.20000 12.91000 0.34000 0.20000
12.91000 0.34000 0.20000 12.91000 0.34000 0.20000
12.91000 0.34000 0.20000 12.91000 0.34000 0.20000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
13.79000 0.54000 0.22000 13.79000 0.54000 0.22000
13.79000 0.54000 0.22000 13.79000 0.54000 0.22000
13.79000 0.54000 0.22000 13.79000 0.54000 0.22000
13.79000 0.54000 0.22000 13.79000 0.54000 0.22000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
15.09000 0.76000 0.24000 15.09000 0.76000 0.24000
15.09000 0.76000 0.24000 15.09000 0.76000 0.24000
15.09000 0.76000 0.24000 15.09000 0.76000 0.24000
15.09000 0.76000 0.24000 15.09000 0.76000 0.24000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
16.85000 1.00000 0.26000 16.85000 1.00000 0.26000
16.85000 1.00000 0.26000 16.85000 1.00000 0.26000
16.85000 1.00000 0.26000 16.85000 1.00000 0.26000
16.85000 1.00000 0.26000 16.85000 1.00000 0.26000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
19.11000 1.26000 0.28000 19.11000 1.26000 0.28000
19.11000 1.26000 0.28000 19.11000 1.26000 0.28000
19.11000 1.26000 0.28000 19.11000 1.26000 0.28000
19.11000 1.26000 0.28000 19.11000 1.26000 0.28000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
21.91000 1.54000 0.30000 21.91000 1.54000 0.30000
21.91000 1.54000 0.30000 21.91000 1.54000 0.30000
21.91000 1.54000 0.30000 21.91000 1.54000 0.30000
21.91000 1.54000 0.30000 21.91000 1.54000 0.30000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
25.29000 1.84000 0.32000 25.29000 1.84000 0.32000
25.29000 1.84000 0.32000 25.29000 1.84000 0.32000
25.29000 1.84000 0.32000 25.29000 1.84000 0.32000
25.29000 1.84000 0.32000 25.29000 1.84000 0.32000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
29.29000 2.16000 0.34000 29.29000 2.16000 0.34000
29.29000 2.16000 0.34000 29.29000 2.16000 0.34000
29.29000 2.16000 0.34000 29.29000 2.16000 0.34000
29.29000 2.16000 0.34000 29.29000 2.16000 0.34000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
33.95000 2.50000 0.36000 33.95000 2.50000 0.36000
33.95000 2.50000 0.36000 33.95000 2.50000 0.36000
33.95000 2.50000 0.36000 33.95000 2.50000 0.36000
33.95000 2.50000 0.36000 33.95000 2.50000 0.36000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
39.31000 2.86000 0.38000 39.31000 2.86000 0.38000
39.31000 2.86000 0.38000 39.31000 2.86000 0.38000
39.31000 2.86000 0.38000 39.31000 2.86000 0.38000
39.31000 2.86000 0.38000 39.31000 2.86000 0.38000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
45.41000 3.24000 0.40000 45.41000 3.24000 0.40000
45.41000 3.24000 0.40000 45.41000 3.24000 0.40000
45.41000 3.24000 0.40000 45.41000 3.24000 0.40000
45.41000 3.24000 0.40000 45.41000 3.24000 0.40000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
52.29000 3.64000 0.42000 52.29000 3.64000 0.42000
52.29000 3.64000 0.42000 52.29000 3.64000 0.42000
52.29000 3.64000 0.42000 52.29000 3.64000 0.42000
52.29000 3.64000 0.42000 52.29000 3.64000 0.42000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
59.99000 4.06000 0.44000 59.99000 4.06000 0.44000
59.99000 4.06000 0.44000 59.99000 4.06000 0.44000
59.99000 4.06000 0.44000 59.99000 4.06000 0.44000
59.99000 4.06000 0.44000 59.99000 4.06000 0.44000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
68.55000 4.50000 0.46000 68.55000 4.50000 0.46000
68.55000 4.50000 0.46000 68.55000 4.50000 0.46000
68.55000 4.50000 0.46000 68.55000 4.50000 0.46000
68.55000 4.50000 0.46000 68.55000 4.50000 0.46000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
78.01000 4.96000 0.48000 78.01000 4.96000 0.48000
78.01000 4.96000 0.48000 78.01000 4.96000 0.48000
78.01000 4.96000 0.48000 78.01000 4.96000 0.48000
78.01000 4.96000 0.48000 78.01000 4.96000 0.48000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
88.41000 5.44000 0.50000 88.41000 5.44000 0.50000
88.41000 5.44000 0.50000 88.41000 5.44000 0.50000
88.41000 5.44000 0.50000 88.41000 5.44000 0.50000
88.41000 5.44000 0.50000 88.41000 5.44000 0.50000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
99.79000 5.94000 0.52000 99.79000 5.94000 0.52000
99.79000 5.94000 0.52000 99.79000 5.94000 0.52000
99.79000 5.94000 0.52000 99.79000 5.94000 0.52000
99.79000 5.94000 0.52000 99.79000 5.94000 0.52000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
112.19000 6.46000 0.54000 112.19000 6.46000 0.54000
112.19000 6.46000 0.54000 112.19000 6.46000 0.54000
112.19000 6.46000 0.54000 112.19000 6.46000 0.54000
112.19000 6.46000 0.54000 112.19000 6.46000 0.54000
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
125.65000 7.00000 0.56000 125.65000 7.00000 0.56000
125.65000 7.00000 0.56000 125.65000 7.00000 0.56000
125.65000 7.00000 0.56000 125.65000 7.00000 0.56000
125.65000 7.00000 0.56000 125.65000 7.00000 0.56000
Гипотезы идентификации сеанса - истинные
0 1 0 0 0 0 0
2 0 0 0 0 0
0 2 0 0 0
0 0 4 3 1 2 0 0 0 0 0 0 0
0 0 3 1 0 0 0 0
0 4 1 2 0 0 0 0
0 0 0 0 4 1 2 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 0 0 0
3 2 0 0 0 0 0 0 0 0
3 0 1 0 0
3 0 0 2 0
0 0 0 4 0 2 0 0 0
0 0 4 1 0
0 0 0 1 2 0 0
0 3 2 0
0 0 0 0 2 0 0
0 3 0 0
0 0 3 1
0 0 0 0 0 0 2 0
Гипотезы идентификации сеанса - вычисленные
0 1 0 0 0 0 0
2 0 0 0 0 0
0 2 0 0 0
0 0 4 3 1 2 0 0 0 0 0 0 0
0 0 3 1 0 0 0 0
0 4 1 2 0 0 0 0
0 0 0 0 3 1 2 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 0 0 0
4 2 0 0 0 0 0 0 0 0
4 0 1 0 0
4 0 0 2 0
0 0 0 3 0 2 0 0 0
0 0 3 1 0
0 0 0 1 2 0 0
0 4 2 0
0 0 0 0 2 0 0
0 4 0 0
0 0 4 1
0 0 0 0 0 0 2 0
Выборочное среднее значение ложных измерений :
количество 0-й вовсех сеансах/количество сеансов
Выборочное среднее : 105/20 = 5.25
Истинное значение: 6
Вероятность обнаружения объекта:
количество сеансов, в котором он обнаружен/количество сеансов
Выборочное среднее: 1-ый объект – 10/20 = 0.5
2-й объект – 12/20 = 0.6
3-й объект – 8/20 = 0.4
4-ый объект – 5/20 = 0.25
В среднем: 0.25*(0.5+0.6+0.4+0.25) = 0.4375
Вероятность истинного попадания в строб: квантиль 2.6
Ф = 0.9953 - вероятность того, что x<2.6
2*Ф – 1 = 0.9907 – вер-ть того, что |x|< 2.6
(2*Ф-1)2 = 0.9814 – вероятность того, что истинное измерение попадет в строб
Результаты идентификации :
Количество ошибочно идентифицированных кадров 9 из 20
Количество ошибочно идентифицированных объектов: 2 из 4
Количество лишних объектов: 0
Количество недостающих объектов: 0
Из-за близости 3-го и 4-го объектов их измерения попадают в стробы друг друга и неверно интерпретируются. Ложные измерения не оказывают на процесс оценивания существенного влияния.