無論是在軍事領(lǐng)域還是民用領(lǐng)域,目標跟蹤技術(shù)均發(fā)揮著至關(guān)重要的作用,其在敵情監(jiān)控、海陸空防御、智能交通、貨物倉庫的物流跟蹤等領(lǐng)域具有重要應用價值,一直以來都是國內(nèi)外學者的研究熱點。為了提高目標跟蹤精度,改善跟蹤效果,本文給出一種基于無跡卡爾曼濾波（UKF）和粒子濾波（PF）相結(jié)合的混合濾波目標跟蹤算法。本文主要研究內(nèi)容如下:首先,論文闡述了本選題的研究背景及意義、并介紹了國內(nèi)外的研究現(xiàn)狀,接著對現(xiàn)有的線性卡爾曼濾波（KF）、擴展卡爾曼濾波（EKF）、無跡卡爾曼濾波（UKF）,以及粒子濾波（PF）算法進行了詳細介紹,在此基礎上,對上述算法的優(yōu)缺點進行分析,并介紹了四種算法的誤差產(chǎn)生原因。針對現(xiàn)有KF、PF算法存在的問題,本文給出一種基于UKF和PF混合濾波的目標跟蹤算法。首先,應用PF算法對狀態(tài)進行初始估計,克服非線性系統(tǒng)對目標跟蹤算法的制約;然后,為了消除奇異值、粒子退化問題的影響,進一步提高目標跟蹤精度,對上一步的估計結(jié)果再進行UKF。在此基礎上,分別建立了基于UKF算法、PF算法、UKF和PF混合濾波算法的單觀測站目標跟蹤模型。MATLAB仿真實驗結(jié)果表明,本文提出的基于UKF和PF... 

【文章來源】：桂林理工大學廣西壯族自治區(qū)

【文章頁數(shù)】：101 頁

【學位級別】：碩士

【部分圖文】：

非線性變換比較

桂林理工大學碩士學位論文33|1|1Ζ(χ)iikkkkh。步驟7：根據(jù)式(2.47)計算系統(tǒng)觀測量的預測均值|1zkk。步驟8：根據(jù)式(2.48)、(2.48)、計算新息協(xié)方差矩陣zz|1Pk，k、狀態(tài)與觀測間的互協(xié)方差矩陣xz|1Pk，k。步驟9：根據(jù)式(2.50)計算濾波增益矩陣Kk。步驟10：狀態(tài)更新。根據(jù)式(2.51)、(2.52)計算k時刻后驗狀態(tài)估計均值xk和協(xié)方差矩陣Pk。步驟11：置kk1，循環(huán)進行步驟2到步驟10，進行下一時刻跟蹤計算。3.2.2單觀測站UKF目標跟蹤實驗仿真及結(jié)果分析1）實驗仿真本次實驗的硬件環(huán)境為英特爾IntelCorei-7200U處理器、4GB內(nèi)存，在Windows10環(huán)境下，仿真軟件采用MATLAB（R2018a）版本。目標在二維平面做勻速直線運動過程中各參數(shù)設置如下：目標運動的初始值為0x[02m/s100m10m/s]，觀測站位置可以是任意的，本仿真實驗設置觀測站位置為[200m,500m]，采樣時間T1s，時間步長為60。過程噪聲方差Q=diag([1,1])w，其中w為一個可調(diào)節(jié)的參數(shù)，1w[65]；觀測噪聲方差R5。同時設置UT變換中的相關(guān)系數(shù)：=0.01，=0，=2[34,35]。2）結(jié)果分析圖3.1目標真實軌跡與不同算法的跟蹤軌跡

桂林理工大學碩士學位論文34為了驗證算法的性能，采用同樣基于卡爾曼理論框架下的適用于非線性濾波的EKF算法、UKF算法做對比。圖3.1展示了EKF算法、UKF算法的跟蹤軌跡，可以看出UKF算法的跟蹤軌跡與真實軌跡更接近。為了更直觀比較兩種算法的性能，需要分析目標跟蹤的誤差。這里采用X軸方向和Y軸方向的均方根誤差（RootMeanSquareError，RMSE）[66]進行比較，圖3.2和圖3.3分別是EKF算法和UKF算法經(jīng)過100次蒙特卡洛實驗后，X軸方向和Y軸方向的RMSE，其計算公式如下：21RMSE()X()NnkknxxkN(3.9)21RMSE()Y()NnkknyykN(3.10)其中，(,)kkxy表示k時刻目標的真實位置，(,)nnkkxy表示第n次蒙特卡洛實驗中k時刻跟蹤目標的位置估計，N表示蒙特卡洛實驗次數(shù)。圖3.2X軸方向RMSE曲線

【參考文獻】：
期刊論文
[1]基于隨機自適應方法的多傳感器融合算法[J]. 王茜,王穎超,曹菲.  計算機應用與軟件. 2020(04)
[2]帶非線性約束的自適應高斯和卡爾曼濾波目標跟蹤算法[J]. 徐壯,彭力.  計算機測量與控制. 2019(06)
[3]改進的卡爾曼濾波與均值漂移目標跟蹤算法[J]. 韓明,唐心亮,孟軍英,王敬濤.  戰(zhàn)術(shù)導彈技術(shù). 2019(01)
[4]群目標跟蹤技術(shù)綜述[J]. 甘林海,王剛,劉進忙,李松.  自動化學報. 2020(03)
[5]基于動態(tài)損耗因子和權(quán)重的改進質(zhì)心定位算法[J]. 任曉奎,李鋒,程琳.  計算機應用. 2019(03)
[6]WSN定位算法APIT的改進型設計[J]. 殷萬君.  單片機與嵌入式系統(tǒng)應用. 2018(04)
[7]Nonlinear Bayesian Estimation:From Kalman Filtering to a Broader Horizon[J]. Huazhen Fang,Ning Tian,Yebin Wang,Meng Chu Zhou,Mulugeta A. Haile.  IEEE/CAA Journal of Automatica Sinica. 2018(02)
[8]NYFR output pulse radar signal TOA analysis using extended Fourier transform and its TOA estimation[J]. Zhaoyang Qiu,Pei Wang,Jun Zhu,Bin Tang.  Journal of Systems Engineering and Electronics. 2017(02)
[9]擴展卡爾曼濾波的目標跟蹤優(yōu)化算法[J]. 寧倩慧,張艷兵,劉莉,陸真,郭冰陶.  探測與控制學報. 2016(01)
[10]螢火蟲算法智能優(yōu)化粒子濾波[J]. 田夢楚,薄煜明,陳志敏,吳盤龍,趙高鵬.  自動化學報. 2016(01)

博士論文
[1]基于粒子濾波的目標跟蹤技術(shù)研究[D]. 宋策.中國科學院研究生院(長春光學精密機械與物理研究所) 2014
[2]多傳感器目標跟蹤數(shù)據(jù)融合關(guān)鍵技術(shù)研究[D]. 崔波.西南交通大學 2012
[3]運動目標狀態(tài)估計及融合方法研究[D]. 陳金廣.西安電子科技大學 2011
[4]傳感器管理方法研究[D]. 劉先省.西北工業(yè)大學 2000

碩士論文
[1]基于QT的跨平臺嵌入式運動控制系統(tǒng)研究[D]. 謝超.杭州電子科技大學 2019
[2]基于多傳感器信息融合的航跡預測技術(shù)研究[D]. 劉小翠.西安電子科技大學 2017
[3]基于Qt和MATLAB混合編程的冷熱電聯(lián)供運行監(jiān)控與能量管理系統(tǒng)研發(fā)[D]. 李艷.山東大學 2017
[4]無線傳感器網(wǎng)絡的節(jié)點定位與目標跟蹤算法研究[D]. 葛琰.電子科技大學 2017
[5]多傳感器組網(wǎng)機動目標跟蹤算法研究[D]. 石彎彎.杭州電子科技大學 2016
[6]基于RSSI的室內(nèi)無線定位與跟蹤技術(shù)研究[D]. 張佩琪.西安電子科技大學 2016
[7]復雜雷達信號環(huán)境模擬與主控軟件設計[D]. 周珊珊.西安電子科技大學 2015
[8]機動目標建模及跟蹤方法研究[D]. 張一鉑.電子科技大學 2015
[9]機載多傳感器數(shù)據(jù)融合目標跟蹤技術(shù)研究與實現(xiàn)[D]. 全麗.電子科技大學 2012
[10]基于Qt的跨平臺軟件設計及應用[D]. 李春虎.電子科技大學 2011



本文編號：3578875