本文關(guān)鍵詞：機(jī)動目標(biāo)跟蹤算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機(jī)動目標(biāo)跟蹤是一個研究對目標(biāo)機(jī)動運(yùn)動不能準(zhǔn)確描述的目標(biāo)運(yùn)動估計問題。它在軍用和民用領(lǐng)域中都有著廣泛的應(yīng)用。因此，本論文對機(jī)動目標(biāo)跟蹤問題在學(xué)習(xí)前人研究成果的基礎(chǔ)上，對它進(jìn)行了更深入、系統(tǒng)的研究。 本論文首先概述了目標(biāo)跟蹤模型的建立，給出了幾種常見的機(jī)動目標(biāo)運(yùn)動模型和量測模型坐標(biāo)轉(zhuǎn)換方法，研究了機(jī)動目標(biāo)跟蹤領(lǐng)域中的幾種主要濾波方法。研究分析了機(jī)動檢測和辨識的算法，研究了交互式多模型的算法，并討論了這些算法所存在的問題。在此基礎(chǔ)上，對相關(guān)的問題進(jìn)行了深入細(xì)致的研究，取得了以下成果： (1) 在研究機(jī)動檢測與辨識算法過程中，對基于當(dāng)前統(tǒng)計模型的算法詳細(xì)分析了其存在的缺陷，并在改進(jìn)其缺陷的基礎(chǔ)上提出了改進(jìn)算法。該算法不僅可以很好的檢測機(jī)動，而且把檢測到的機(jī)動分為強(qiáng)、弱機(jī)動兩種以改進(jìn)跟蹤性能。最后通過仿真試驗表明了該算法具有全面的跟蹤能力。 (2) 分析了交互式多模型算法的影響因素，提出了針對這些影響因素的改進(jìn)型交互式多模型算法。對這些改進(jìn)型交互式多模型算法進(jìn)行仿真試驗，，通過仿真結(jié)果得出了模型集的改變對交互式多模型算法的跟蹤性能影響最大的結(jié)論。 (3) 將改進(jìn)的當(dāng)前模型算法與交互式多模型算法結(jié)合得出了一種新的自適應(yīng)算法。該算法在交互式模型算法中改變了模型集并動態(tài)地調(diào)整了過程噪聲，可以擴(kuò)大可跟蹤范圍和提高跟蹤精度。通過仿真試驗證實了該算法對跟蹤能力的提高。
【關(guān)鍵詞】：機(jī)動目標(biāo)跟蹤 當(dāng)前統(tǒng)計模型 交互式多模型算法 卡爾曼濾波
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：TP277
【目錄】：

• 摘要3-4
• ABSTRACT4-6
• 目錄6-8
• 第一章 緒論8-11
• 1.1 機(jī)動目標(biāo)跟蹤的提出8
• 1.2 機(jī)動目標(biāo)跟蹤研究內(nèi)容及意義8-9
• 1.3 機(jī)動目標(biāo)跟蹤研究現(xiàn)狀9-10
• 1.4 本論文研究內(nèi)容及編排10-11
• 第二章 跟蹤模型的建立11-19
• 2.1 目標(biāo)的狀態(tài)模型和量測模型11
• 2.2 跟蹤坐標(biāo)系的選取11-14
• 2.2.1 直角坐標(biāo)系下跟蹤系統(tǒng)模型12
• 2.2.2 極坐標(biāo)下跟蹤系統(tǒng)模型12-13
• 2.2.3 量測模型的坐標(biāo)轉(zhuǎn)換13-14
• 2.3 機(jī)動目標(biāo)模型的建立14-18
• 2.3.1 CV與 CA模型14-15
• 2.3.2 時間相關(guān)模型(Singer模型)15-16
• 2.3.3 半馬爾可夫模型16
• 2.3.4 Noval統(tǒng)計模型16-17
• 2.3.5 機(jī)動目標(biāo)“當(dāng)前”統(tǒng)計模型17
• 2.3.6 機(jī)動轉(zhuǎn)彎模型17-18
• 2.4 本章小結(jié)18-19
• 第三章 目標(biāo)跟蹤的濾波器19-35
• 3.1 引言19
• 3.2 基本卡爾曼濾波19-24
• 3.2.1 連續(xù)系統(tǒng)的卡爾曼濾波方程20-21
• 3.2.2 離散系統(tǒng)的卡爾曼濾波方程21-23
• 3.2.3 離散卡爾曼濾波的分析23-24
• 3.3 擴(kuò)展卡爾曼濾波算法24-27
• 3.3.1 離散擴(kuò)展卡爾曼濾波方程24-26
• 3.3.2 離散擴(kuò)展卡爾曼濾波的分析26-27
• 3.4 Unscented卡爾曼濾波27-29
• 3.4.1 標(biāo)準(zhǔn)的Unscented卡爾曼濾波方程28-29
• 3.4.2 算法分析29
• 3.5 克服濾波發(fā)散的濾波方法29-34
• 3.5.1 S~a加權(quán)衰減記憶濾波器30-32
• 3.5.2 平方根濾波器32-34
• 3.6 本章小結(jié)34-35
• 第四章 機(jī)動跟蹤的機(jī)動檢測與辨識算法35-48
• 4.1 引言35
• 4.2 機(jī)動檢測35-39
• 4.2.1 基于廣義似然比檢測方法37-38
• 4.2.2 基于x~2檢驗機(jī)動檢測方法38-39
• 4.3 基于當(dāng)前統(tǒng)計模型的辨識算法39-44
• 4.3.1 統(tǒng)計特性39-40
• 4.3.2 濾波方法40-41
• 4.3.3 算法的改進(jìn)41-44
• 4.4 算法仿真與分析44-47
• 4.5 本章小結(jié)47-48
• 第五章 機(jī)動跟蹤的交互式多模型算法48-72
• 5.1 引言48-49
• 5.2 交互多模型算法49-51
• 5.3 對交互多模型算法的改進(jìn)51-59
• 5.3.1 轉(zhuǎn)移概率的改進(jìn)52-55
• 5.3.2 過程噪聲的改進(jìn)55
• 5.3.3 模型集的改進(jìn)55-59
• 5.4 變結(jié)構(gòu)的交互式多模型算法59-61
• 5.5 自適應(yīng)交互式多模型算法61
• 5.6 算法仿真與分析61-71
• 5.7 本章小結(jié)71-72
• 第六章 結(jié)束語72-73
• 參考文獻(xiàn)73-76
• 發(fā)表論文和參加科研情況說明76-77
• 致謝77-78

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 于洋;胡曉芳;劉硯菊;;機(jī)動目標(biāo)跟蹤的改進(jìn)自適應(yīng)濾波算法研究[J];沈陽理工大學(xué)學(xué)報;2013年01期

2 薛芳俠;許一男;劉波;余科洋;;模擬與實裝雷達(dá)混合仿真時空偏差控制[J];系統(tǒng)仿真學(xué)報;2013年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 苑光明;基于全方位視覺的移動機(jī)器人動態(tài)目標(biāo)識別與導(dǎo)航研究[D];河北工業(yè)大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李軍;分布式多傳感器系統(tǒng)航跡融合算法研究[D];太原理工大學(xué);2011年

2 吳希啟;無線傳感器網(wǎng)絡(luò)能量高效的目標(biāo)跟蹤算法研究[D];吉林大學(xué);2011年

3 楊展;單傳感器多目標(biāo)多模型跟蹤算法研究[D];南京理工大學(xué);2010年

4 馮樂涵;移動機(jī)器人運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)研究[D];河北工業(yè)大學(xué);2011年

5 蔡聰;基于視頻的動物運(yùn)動跟蹤分析系統(tǒng)及應(yīng)用研究[D];華中科技大學(xué);2011年

6 湯洪彪;基于小波神經(jīng)網(wǎng)絡(luò)的機(jī)動目標(biāo)跟蹤的研究[D];太原理工大學(xué);2008年

7 陳旭;基于變結(jié)構(gòu)多模型算法的目標(biāo)跟蹤系統(tǒng)研究[D];南京理工大學(xué);2008年

8 尹海斌;雷達(dá)機(jī)動目標(biāo)跟蹤濾波算法的研究[D];大連海事大學(xué);2008年

9 張婷婷;基于粒子濾波的機(jī)動目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2009年

10 殷俊麗;天波超視距雷達(dá)機(jī)動目標(biāo)檢測與跟蹤[D];西安電子科技大學(xué);2009年

  本文關(guān)鍵詞：機(jī)動目標(biāo)跟蹤算法的研究，由筆耕文化傳播整理發(fā)布。

本文編號：334308