無跡卡爾曼濾波在目標(biāo)跟蹤中的應(yīng)用

摘要 

由于卡爾曼濾波器具有結(jié)構(gòu)簡單、性能最優(yōu)、易于被掌握和應(yīng)用等一系列的優(yōu)點其已被廣泛應(yīng)用于狀態(tài)跟蹤和估計等科學(xué)領(lǐng)域。值得一提的是，由于其線性的推導(dǎo)和計算過程，決定了卡爾曼濾波器不能應(yīng)用于非線性系統(tǒng)。本文主要研究的是UKF濾波方法的濾波性能、現(xiàn)存問題和改進方法。

首先，介紹卡爾曼濾波在軍事等領(lǐng)域的實際應(yīng)用以及其今后的發(fā)展趨勢，而后，初步了解卡爾曼濾波的意義，顯著地改善動態(tài)跟蹤精度,它在目標(biāo)跟蹤中不僅利用當(dāng)前的量測值,而且充分利用以前的量測數(shù)據(jù),根據(jù)線性最小方差原則求出最優(yōu)估計。連續(xù)系統(tǒng)的卡爾曼濾波方程以及離散系統(tǒng)的卡爾曼濾波方程讓我們對其在線性化的處理有了深刻的印象。同時，通過比例Unscented變換方法，可以更為準(zhǔn)確地求得隨機分布經(jīng)過非線性變換后的均值和方差。

    再次，在機動目標(biāo)跟蹤過程中，目標(biāo)的狀態(tài)模型和量測模型，直角及極坐標(biāo)系下跟蹤系統(tǒng)模型等等能更好的與實際的目標(biāo)運動學(xué)相匹配。

最后，濾波算法在目標(biāo)跟蹤中的分析，能仿真出卡爾曼濾波和無跡卡爾曼濾波在運動中的狀態(tài)估計。

關(guān)鍵詞：UKF、均值、Unscented變換方法、狀態(tài)模型、量測模型

ABSTRACT

....

KEYWORDS：UKF, average, unscented transformation method, the state model, the measurement model     

          

目錄

摘 要I

ABSTRACTII

第一章  緒論1

1.1 研究背景及意義1

1.2 卡爾曼濾波技術(shù)的現(xiàn)狀2

1.3 有待解決的問題和發(fā)展趨勢6

第二章 無跡卡爾曼濾波的基礎(chǔ)理論10

2.1 基本卡爾曼濾波10

2.1.1 連續(xù)系統(tǒng)的卡爾曼濾波方程10

2.1.2 離散系統(tǒng)的卡爾曼濾波方程11

2.1.3 離散卡爾曼濾波的分析13

2.2克服濾波發(fā)散的濾波方法14

2.2.1 加權(quán)衰減記憶濾波14

2.2.2 平方根濾波器17

2.3 非線性系統(tǒng)的卡爾曼濾波18

2.4 VD算法描述20

2.5 Unscented變換和對稱采樣策略22

2.6 UKF濾波的實現(xiàn)算法23

2.7 影響UKF精度的主要因素25

2.8 本章小結(jié)26

第三章  跟蹤模型的建立27

3.1 目標(biāo)的狀態(tài)模型和量測模型27

3.2 跟蹤坐標(biāo)系的選取27

3.2.1 直角坐標(biāo)系下跟蹤系統(tǒng)模型28

3.2.2 極坐標(biāo)下跟蹤系統(tǒng)模型28

3.2.3 量測模型的坐標(biāo)轉(zhuǎn)換29

3.3 機動目標(biāo)模型的建立29

3.3.1 CV與CA模型30

3.3.2 時間相關(guān)模型(singer模型)30

3.3.3 Noval統(tǒng)計模型31

3.3.4 機動目標(biāo)“當(dāng)前”統(tǒng)計模型31

3.4 本章小結(jié)32

第四章 濾波算法在目標(biāo)跟蹤中的分析及比較33

4.1仿真想定設(shè)置33

4.2仿真結(jié)果及分析34

4.2.1 勻速直線運動仿真分析34

4.2.2 S形機動模型37

4.3 本章小結(jié)40

第五章 結(jié)束語41

5.1 本文總結(jié)41

5.2 發(fā)展與展望41

參考文獻44

致謝46

畢業(yè)設(shè)計小結(jié)47