【摘要】：目標(biāo)跟蹤的問(wèn)題其實(shí)就是運(yùn)動(dòng)目標(biāo)狀態(tài)的濾波問(wèn)題,通過(guò)雷達(dá)去測(cè)得運(yùn)動(dòng)目標(biāo)的相關(guān)數(shù)據(jù),然后對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行軌跡估計(jì)。對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行準(zhǔn)確跟蹤不管在軍事還是在民用等方面都非常重要。在軍事領(lǐng)域,雷達(dá)目標(biāo)跟蹤可應(yīng)用在反導(dǎo)彈的防御上,戰(zhàn)場(chǎng)地域的監(jiān)視,低空防御等方面。在民用方面,可用于防空交通管制以及地面交通管制,無(wú)人駕駛以及跟蹤行駛等方面。本文定義的目標(biāo)觀測(cè)量是非線性函數(shù),所以所謂的跟蹤濾波是非線性的跟蹤濾波問(wèn)題,本文由淺入深探索定位精度高,穩(wěn)定性較強(qiáng)的跟蹤濾波算法。以新型Sigma點(diǎn)濾波算法——容積卡爾曼濾波(Cubature Kalman Filter,CKF)作為基礎(chǔ),展開(kāi)運(yùn)動(dòng)目標(biāo)跟蹤研究。論文的主要研究?jī)?nèi)容如下:第一章分析了論文的研究背景和意義,將主要的運(yùn)動(dòng)模型和跟蹤濾波算法的發(fā)展和研究現(xiàn)狀進(jìn)行了詳細(xì)的剖析。第二章分析了幾種常見(jiàn)的和應(yīng)用比較多的運(yùn)動(dòng)模型,其中包括CV模型,CA模型,CT模型,Singer模型,‘當(dāng)前’統(tǒng)計(jì)模型,在這里面詳細(xì)的分析了這些運(yùn)動(dòng)目標(biāo)的狀態(tài)方程以及一些特性,其中對(duì)Singer模型的特性進(jìn)行詳細(xì)分析,認(rèn)識(shí)到了Singer模型的一些缺陷,將‘當(dāng)前’統(tǒng)計(jì)模型與Singer模型進(jìn)行比對(duì)之后,得出‘當(dāng)前’統(tǒng)計(jì)模型更加適合目標(biāo)突發(fā)機(jī)動(dòng)場(chǎng)景。第三章從勻速運(yùn)動(dòng)開(kāi)始分析,建立勻速運(yùn)動(dòng)目標(biāo)的數(shù)學(xué)模型,研究了EKF,UKF,MVEKF,CKF算法的基本原理和算法流程,然后將它們運(yùn)用到勻速運(yùn)動(dòng)目標(biāo)濾波跟蹤中,CKF算法用Spherical-Radial準(zhǔn)則,通過(guò)這個(gè)準(zhǔn)則計(jì)算出非線性函數(shù)的均值以及協(xié)方差。然后通過(guò)仿真得出CKF算法更加適用于勻速運(yùn)動(dòng)目標(biāo)跟蹤。并且定位精度高,穩(wěn)定性強(qiáng)。我們?cè)诖嘶A(chǔ)上對(duì)CKF算法進(jìn)行更深入的研究,將其或者是它的改進(jìn)算法運(yùn)用在更廣的運(yùn)動(dòng)模型中。第四章以運(yùn)動(dòng)目標(biāo)在真實(shí)的環(huán)境中不是都在做勻速運(yùn)動(dòng),更多的是在做機(jī)動(dòng)運(yùn)動(dòng)為背景,針對(duì)目標(biāo)突發(fā)機(jī)動(dòng)這一狀況,在‘當(dāng)前’統(tǒng)計(jì)模型的基礎(chǔ)上加入強(qiáng)跟蹤濾波器,然后將時(shí)變漸消因子引入一步預(yù)測(cè)式子中,調(diào)節(jié)一步預(yù)測(cè)的狀態(tài)協(xié)方差,這時(shí)得出的算法具有更好的濾波效果,并且在此基礎(chǔ)上對(duì)系統(tǒng)噪聲引入調(diào)節(jié)參數(shù),使其自適應(yīng)調(diào)整系統(tǒng)噪聲,即在每一時(shí)刻,實(shí)時(shí)更新系統(tǒng)誤差,使之更加貼近真實(shí)的環(huán)境,能夠達(dá)到自適應(yīng)的效果。交互多模型(IMM)通過(guò)使用兩個(gè)或兩個(gè)以上的模型對(duì)目標(biāo)的運(yùn)動(dòng)狀況進(jìn)行描述,每一個(gè)模型之間的切換是通過(guò)馬\可夫概率轉(zhuǎn)移矩陣確定的。在這里多個(gè)濾波器同時(shí)工作,然后通過(guò)將多個(gè)濾波器的輸出進(jìn)行加權(quán)融合來(lái)估計(jì)系統(tǒng)狀態(tài),這里面克服了單模型適用范圍較窄的弊端。將均方根容積卡爾曼濾波(SCKF)算法和IMM模型結(jié)合起來(lái)形成SCKF-IMM算法,去跟蹤機(jī)動(dòng)目標(biāo),能得到較好的跟蹤效果,并且在此算法的基礎(chǔ)上將其改進(jìn),就是根據(jù)輸出的結(jié)果再進(jìn)行一次非線性測(cè)量更新,通過(guò)仿真分析得出,改進(jìn)以后的算法的定位精度更高。第五章研究了目標(biāo)跟蹤中出現(xiàn)野值的情況,運(yùn)動(dòng)目標(biāo)跟蹤過(guò)程中若是有連續(xù)野值,會(huì)對(duì)濾波器的估計(jì)造成影響,使得濾波精度較低或者是波動(dòng)較大,所以在最后面提出了抗野值的SCKF算法,該算法是在SCKF基礎(chǔ)上結(jié)合SCNM模型提出來(lái)的,按照野值呈現(xiàn)的后驗(yàn)概率來(lái)自行調(diào)整通過(guò)測(cè)量預(yù)測(cè)的殘差的方差陣。通過(guò)仿真實(shí)驗(yàn)表明,抗魯棒SCKF算法在持續(xù)時(shí)間內(nèi)出現(xiàn)野值時(shí)濾波精度要高于SCKF算法。降低了野值帶來(lái)的影響。本文通過(guò)對(duì)各種濾波算法的對(duì)比分析,得出如果目標(biāo)在做勻速運(yùn)動(dòng),那么可以選擇精度較高穩(wěn)定性較強(qiáng)的容積卡爾曼濾波算法,如果運(yùn)動(dòng)目標(biāo)在做機(jī)動(dòng)運(yùn)動(dòng),要想獲得精度較高的跟蹤效果可以選擇SCKF-IMM算法,如果在目標(biāo)跟蹤過(guò)程中出現(xiàn)了連續(xù)野值的干擾,可以將抗野值算法加入濾波算法中,達(dá)到更加精確跟蹤。
[Abstract]:......
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN953

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 寧夏;葉春茂;楊健;沈彬;;容積卡爾曼濾波在空間目標(biāo)軌道確定中的應(yīng)用[J];電波科學(xué)學(xué)報(bào);2014年01期

2 郝曉靜;李國(guó)新;李明珠;張亞粉;常曉鳳;;無(wú)跡卡爾曼濾波算法在目標(biāo)跟蹤中的研究[J];電子設(shè)計(jì)工程;2012年13期

3 劉寶光;陶青長(zhǎng);潘明海;;基于當(dāng)前統(tǒng)計(jì)模型的強(qiáng)機(jī)動(dòng)目標(biāo)跟蹤算法[J];雷達(dá)與對(duì)抗;2012年01期

4 譚順成;王國(guó)宏;王娜;;IMM-Singer模型的機(jī)動(dòng)目標(biāo)跟蹤算法[J];火力與指揮控制;2012年02期

5 王小旭;趙琳;夏全喜;郝勇;;基于Unscented變換的強(qiáng)跟蹤濾波器[J];控制與決策;2010年07期

6 趙琳;王小旭;孫明;丁繼成;閆超;;基于極大后驗(yàn)估計(jì)和指數(shù)加權(quán)的自適應(yīng)UKF濾波算法[J];自動(dòng)化學(xué)報(bào);2010年07期

7 韓紅;陳兆平;焦李成;智建緯;;基于模糊推理的機(jī)動(dòng)目標(biāo)跟蹤[J];系統(tǒng)工程與電子技術(shù);2009年03期

8 陳亮;吳小俊;王士同;楊靜宇;;一種新的常增益機(jī)動(dòng)目標(biāo)跟蹤方法:α-β-γ-δ模型[J];系統(tǒng)仿真學(xué)報(bào);2008年17期

9 李菲;潘平俊;;機(jī)動(dòng)目標(biāo)模型的研究進(jìn)展[J];火力與指揮控制;2007年10期

10 王春柏,趙保軍,何佩琨;模糊自適應(yīng)強(qiáng)跟蹤卡爾曼濾波器研究[J];系統(tǒng)工程與電子技術(shù);2004年10期

相關(guān)博士學(xué)位論文 前1條

1 劉昌云;雷達(dá)機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)模型與跟蹤算法研究[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前3條

1 張一鉑;機(jī)動(dòng)目標(biāo)建模及跟蹤方法研究[D];電子科技大學(xué);2015年

2 霍光;基于容積卡爾曼濾波的單站無(wú)源定位跟蹤算法研究[D];解放軍信息工程大學(xué);2013年

3 呂昆;雷達(dá)目標(biāo)跟蹤算法的應(yīng)用研究[D];西安電子科技大學(xué);2012年

，

本文編號(hào)：2411966