您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 管理学资料 > 机动目标跟踪技术研究
机动目标跟踪技术研究摘要:机动目标跟踪理论在国防和民用等领域具有重要的应用价值。本文重点研究机动目标的建模和非线性系统的滤波的问题。滤波算法是机动目标跟踪过程中一个重要的组成部分。在对机动目标建模后,通过滤波算法对模型中的状态向量进行预测和估计。本文首先在估计理论和方法的基础上引入了在线性系统中最常用和最基础的卡尔曼滤波算法。然后针对本文所研究的问题,介绍了传统的非线性系统滤波算法扩展卡尔曼滤波算(EKF),重点研究了无迹卡尔曼滤波算法(UKF)。由于扩展卡尔曼滤波在滤波过程中首先要对非线性系统的模型进行线性化处理,因此就需要引入线性化误差,而无迹卡尔曼滤波是一种新的专门针对非线性系统的滤波算法,具有实现简单、通用性强,性能稳定等特点。最后,在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差,较高的跟踪精度。关键词:非线性系统滤波;机动目标;扩展卡尔曼滤波;无迹卡尔曼滤波ResearchonTrackingofManeuveringTargetsAbstract:Theproblemsofbuildingthemodelofthemaneuveringtargettrackingandthe机动目标跟踪技术研究IIfilteringofthenonlinearsystemsarestudiedmainly.Meanwhile,therelatedsimulationexperimentsaredoneonthebaseofthetheoryintroduced.Thefilteringalgorithmisaimportantpartintheprocessoftrackingthemaneuveringtarget.Afterthemodelofthemaneuveringtargetisconfirmed,thevectorofthestatewillbepredictedandestimatedthroughthefilteringalgorithm.TheusualandbasicKalmanfilteringalgorithmisintroducedonthebaseofthetheoriesandthemethodsoftheestimation.Aimingatthestudiedproblem,thetraditionalfilteringalgorithmsofthenonlinearsystemnamedtheExtendedKalmanFilteringareintroduced.theUnscentedKalmanFilteringisintroducedmostly.BecausethemodelofthenonlinearsystemfirstlymustbelinearizedintheprogressoftheExtendedKalmanFiltering,theerrorintroducedintheprogressoflinearizationisunavoidable.However,theUnscentedKalmanFilteringisanewalgorithmwhichstudyspeciallythenonlinearsystemandhavesometraitssuchastherealizationeasily,comprehensiveapplication,stableperformanceandsoon.Withaviewtotheaccuracyoftracking,theapplicationoftheUnscentedKalmanFilteringintheTrackingtothemaneuveringtargetisstudiedmainly.Atlast,accordingtothemodelandthefilteralgorithm,thesimulationexperimentsaboutthemovementofthemaneuveringtargetisdone.Totheconcludefromtheanalysesofthesimulation,theUnscentedKalmanFilteringhashighaccuracyintracking.WiththecomparisontotheExtendedKalmanFiltering,theUnscentedKalmanFilteringhasthelesserrorofthetracking.Keywords:nonlinearsystemfiltering;maneuveringtarget;ExtendedKalmanFiltering(EKF);UnscentedKalmanFiltering(UKF)目录第一章绪论.............................................1机动目标跟踪技术研究III1.1本文研究的目的与意义.........................................11.2目标跟踪算法的研究现状.......................................11.3单机动目标跟踪的基本原理.....................................41.4机动检测与机动辨识...........................................51.5本文所要研究的工作及论文结构安排.............................5第二章机动目标运动模型.................................72.1概述.........................................................72.2坐标系的建立.................................................72.3常用的机动目标运动模型.......................................92.3.1机动目标运动模型概述...................................92.3.2常速和常加速模型.......................................92.3.3一阶时间相关模型(singer模型)...........................102.3.4“当前”统计模型.......................................112.4量测模型....................................................132.4.1量测坐标系的选择......................................132.4.2量测模型的表示........................................132.5本章小结....................................................15第三章卡尔曼滤波算法及非线性系统滤波算法..............163.1概述........................................................163.2卡尔曼滤波..................................................163.3非线性系统的滤波............................................183.3.1扩展卡尔曼滤波(EKF)..................................193.3.2UKF滤波.............................................213.3.2.1UT变换.........................................213.3.2.2UKF............................................233.6本章小结....................................................26第四章基于UKF滤波算法的单机动目标跟踪.................274.1运动模型的推导..............................................27机动目标跟踪技术研究IV4.2机动目标跟踪中的UKF滤波算法...............................294.3基于CA模型的UKF滤波算法的仿真试验.......................314.4本章小结....................................................32第五章总结与展望......................................335.1总结........................................................335.2展望........................................................33致谢...................................错误!未定义书签。文献参考................................................34机动目标跟踪技术研究1第一章绪论1.1本文研究的目的与意义目标跟踪理论在国防和民用等领域具有重要的应用价值。国防上,它在卫星及导弹防御系统、火力控制、跟踪与攻击、战场监视等方面均可发挥重大作用。在民用方面,主要应用于空中交通管制、航海及航空中的导航、机器人的道路规划等[1]。本文研究的内容是单机动目标跟踪算法,它是多目标跟踪算法,信息融合与跟踪的基础。1.2目标跟踪算法的研究现状单机动目标跟踪基本要素主要包括量测数据形成与处理、机动目标模型、机动检测与机动辨识、滤波与预测以及跟踪坐标系和滤波状态变量的选取。量测数据通常指来自探测器输出报告的所有观测量的集合。这些观测量一般包括目标运动学参数,如位置和速度、目标属性、目标类型、数目或形状以及获取量测量的时间序列等。在单机动目标跟踪技术中,量测数据主要是指目标运动学参数且量测数据大多含有噪声。目标机动模型是机动目标跟踪的基本要素之一,任何跟踪算法都是以目标的模型为基础的。在目标模型构造过程中,考虑到缺乏有关目标运动的精确数据以及存在着许多不可预测的现象,因此需要引入状态噪声的概念。当目标作匀加速运动时,加速度常常被看作是具有随机扰动特性的扰动输入,并假设其服从零均值白色高斯分布。然而这种假设不尽合理,当目标发生转弯等机动现象时,机动加速度变为非零均值时间相关有色噪声过程,此时,为满足滤波需要常常采用白化噪声方法和状态增广方法。机动目标除了考虑上述加速度噪声假设外,还要考虑加速度的分布特性。客观上,要求加速度分布函数应尽可能地描述目标机动的实际情况。从目前的机动目标模型来看,要获得较精确的状态估计,必须建立较为准确的运动模型。常用机动目标跟踪技术研究2的模型有CV模型、CA模型和Singer模型(一阶时间相关模型)。所有建模方法均考虑了目标发生机动的各种可能性,并建立了一种适合任何情况和任何类型目标机动模型,我们这种模型为全局统计模型,其典型代表是传统的singer模型。考虑到目标当前时刻的机动可能性,由Zhou和Kumar提出了一种模型,这种模型被称为机动目标“当前”统计模型。机动目标的“当前”统计模型采用非零均值和修正瑞利分布
本文标题:机动目标跟踪技术研究
链接地址:https://www.777doc.com/doc-3303621 .html