發(fā)布時間：2019-01-20 10:40

【摘要】：目標跟蹤的問題其實就是運動目標狀態(tài)的濾波問題,通過雷達去測得運動目標的相關數(shù)據(jù),然后對運動目標進行軌跡估計。對運動目標進行準確跟蹤不管在軍事還是在民用等方面都非常重要。在軍事領域,雷達目標跟蹤可應用在反導彈的防御上,戰(zhàn)場地域的監(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,無人駕駛以及跟蹤行駛等方面。本文定義的目標觀測量是非線性函數(shù),所以所謂的跟蹤濾波是非線性的跟蹤濾波問題,本文由淺入深探索定位精度高,穩(wěn)定性較強的跟蹤濾波算法。以新型Sigma點濾波算法——容積卡爾曼濾波(Cubature Kalman Filter,CKF)作為基礎,展開運動目標跟蹤研究。論文的主要研究內(nèi)容如下:第一章分析了論文的研究背景和意義,將主要的運動模型和跟蹤濾波算法的發(fā)展和研究現(xiàn)狀進行了詳細的剖析。第二章分析了幾種常見的和應用比較多的運動模型,其中包括CV模型,CA模型,CT模型,Singer模型,‘當前’統(tǒng)計模型,在這里面詳細的分析了這些運動目標的狀態(tài)方程以及一些特性,其中對Singer模型的特性進行詳細分析,認識到了Singer模型的一些缺陷,將‘當前’統(tǒng)計模型與Singer模型進行比對之后,得出‘當前’統(tǒng)計模型更加適合目標突發(fā)機動場景。第三章從勻速運動開始分析,建立勻速運動目標的數(shù)學模型,研究了EKF,UKF,MVEKF,CKF算法的基本原理和算法流程,然后將它們運用到勻速運動目標濾波跟蹤中,CKF算法用Spherical-Radial準則,通過這個準則計算出非線性函數(shù)的均值以及協(xié)方差。然后通過仿真得出CKF算法更加適用于勻速運動目標跟蹤。并且定位精度高,穩(wěn)定性強。我們在此基礎上對CKF算法進行更深入的研究,將其或者是它的改進算法運用在更廣的運動模型中。第四章以運動目標在真實的環(huán)境中不是都在做勻速運動,更多的是在做機動運動為背景,針對目標突發(fā)機動這一狀況,在‘當前’統(tǒng)計模型的基礎上加入強跟蹤濾波器,然后將時變漸消因子引入一步預測式子中,調(diào)節(jié)一步預測的狀態(tài)協(xié)方差,這時得出的算法具有更好的濾波效果,并且在此基礎上對系統(tǒng)噪聲引入調(diào)節(jié)參數(shù),使其自適應調(diào)整系統(tǒng)噪聲,即在每一時刻,實時更新系統(tǒng)誤差,使之更加貼近真實的環(huán)境,能夠達到自適應的效果。交互多模型(IMM)通過使用兩個或兩個以上的模型對目標的運動狀況進行描述,每一個模型之間的切換是通過馬\可夫概率轉(zhuǎn)移矩陣確定的。在這里多個濾波器同時工作,然后通過將多個濾波器的輸出進行加權(quán)融合來估計系統(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)合起來形成SCKF-IMM算法,去跟蹤機動目標,能得到較好的跟蹤效果,并且在此算法的基礎上將其改進,就是根據(jù)輸出的結(jié)果再進行一次非線性測量更新,通過仿真分析得出,改進以后的算法的定位精度更高。第五章研究了目標跟蹤中出現(xiàn)野值的情況,運動目標跟蹤過程中若是有連續(xù)野值,會對濾波器的估計造成影響,使得濾波精度較低或者是波動較大,所以在最后面提出了抗野值的SCKF算法,該算法是在SCKF基礎上結(jié)合SCNM模型提出來的,按照野值呈現(xiàn)的后驗概率來自行調(diào)整通過測量預測的殘差的方差陣。通過仿真實驗表明,抗魯棒SCKF算法在持續(xù)時間內(nèi)出現(xiàn)野值時濾波精度要高于SCKF算法。降低了野值帶來的影響。本文通過對各種濾波算法的對比分析,得出如果目標在做勻速運動,那么可以選擇精度較高穩(wěn)定性較強的容積卡爾曼濾波算法,如果運動目標在做機動運動,要想獲得精度較高的跟蹤效果可以選擇SCKF-IMM算法,如果在目標跟蹤過程中出現(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,達到更加精確跟蹤。
[Abstract]:......
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN953

【參考文獻】

相關期刊論文 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軌道確定中的應用[J];電波科學學報;2014年01期

2 郝曉靜;李國新;李明珠;張亞粉;常曉鳳;;無跡卡爾曼濾波算法在目標跟蹤中的研究[J];電子設計工程;2012年13期

3 劉寶光;陶青長;潘明海;;基于當前統(tǒng)計模型的強機動目標跟蹤算法[J];雷達與對抗;2012年01期

4 譚順成;王國宏;王娜;;IMM-Singer模型的機動目標跟蹤算法[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;;基于極大后驗估計和指數(shù)加權(quán)的自適應UKF濾波算法[J];自動化學報;2010年07期

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

8 陳亮;吳小俊;王士同;楊靜宇;;一種新的常增益機動目標跟蹤方法:α-β-γ-δ模型[J];系統(tǒng)仿真學報;2008年17期

9 李菲;潘平俊;;機動目標模型的研究進展[J];火力與指揮控制;2007年10期

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

相關博士學位論文 前1條

1 劉昌云;雷達機動目標運動模型與跟蹤算法研究[D];西安電子科技大學;2014年

相關碩士學位論文 前3條

1 張一鉑;機動目標建模及跟蹤方法研究[D];電子科技大學;2015年

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

3 呂昆;雷達目標跟蹤算法的應用研究[D];西安電子科技大學;2012年

，

本文編號：2411966