本文選題：機動目標　切入點：卡爾曼濾波　出處：《大連海事大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著海上航運事業(yè)的不斷發(fā)展,海上船舶的數(shù)量越來越多,船舶航行時發(fā)生機動的可能性變大,海上的交通環(huán)境變得越發(fā)復雜,因此,對雷達機動目標跟蹤的精度與穩(wěn)定性的要求也會越來越高。在對機動目標跟蹤的系統(tǒng)中,濾波算法就是其核心技術(shù)之一。本文對濾波算法進行了研究,提出了一些改進方法。本文首先闡述了機動目標跟蹤的基本原理,分析了 CV與CA模型,Singer模型與"當前"統(tǒng)計模型等機動模型,并通過仿真結(jié)果分析Singer模型與"當前"統(tǒng)計模型對機動目標跟蹤建模時效果的優(yōu)劣。并分析目標發(fā)生機動時,不同的機動頻率的濾波均方誤差不同,為進一步研究濾波方法打下基礎(chǔ)。其次,對卡爾曼濾波算法、擴展卡爾曼濾波算法與自適應卡爾曼濾波算法的機動目標跟蹤性能進行了仿真對比分析,通過均方誤差分析各自的跟蹤誤差特性。接著,基于"當前"統(tǒng)計模型分別介紹了自適應擴展卡爾曼濾波器,分析其濾波效果的優(yōu)缺點。通過研究得出基于機動頻率的自適應擴展卡爾曼算法,并證明該算法的可行性。提出了一種改進的自適應擴展卡爾曼濾波算法,通過仿真證明了算法有效性。最后,介紹了 Sage-Husa自適應濾波算法與簡化的Sage-Husa自適應濾波算法,針對加權(quán)系數(shù)的計算方法做出改進,提出一種基于加權(quán)補償?shù)腟age-Husa自適應卡爾曼濾波算法,接著將加權(quán)系數(shù)的算法與之前得出的自適應機動頻率算法加入到改進的自適應卡爾曼濾波算法中,得出一種基于加權(quán)補償?shù)淖赃m應擴展卡爾曼濾波算法,通過仿真證明了算法有效性。
[Abstract]:With the continuous development of maritime navigation, the number of ships at sea becomes more and more, the possibility of ship maneuvering becomes greater, and the maritime traffic environment becomes more and more complex. In the system of maneuvering target tracking, the filtering algorithm is one of the core technologies. Some improved methods are put forward. Firstly, the basic principle of maneuvering target tracking is expounded, and the maneuvering models such as CV and CA model, Singer model and "current" statistical model are analyzed. The effectiveness of Singer model and "current" statistical model for maneuvering target tracking modeling is analyzed by simulation results, and the filtering mean square error of different maneuvering frequency is analyzed when the target is maneuvering. Secondly, the performance of maneuvering target tracking of Kalman filtering algorithm, extended Kalman filter algorithm and adaptive Kalman filter algorithm are compared and analyzed by simulation. Based on the current statistical model, the adaptive extended Kalman filter is introduced. The advantages and disadvantages of the filtering effect are analyzed. The adaptive extended Kalman algorithm based on maneuvering frequency is obtained, and the feasibility of the algorithm is proved. An improved adaptive extended Kalman filter algorithm is proposed. Finally, the Sage-Husa adaptive filtering algorithm and the simplified Sage-Husa adaptive filtering algorithm are introduced, and the calculation method of the weighting coefficient is improved. A Sage-Husa adaptive Kalman filter algorithm based on weighted compensation is proposed, and then the weighted coefficient algorithm and the previous adaptive maneuvering frequency algorithm are added to the improved adaptive Kalman filter algorithm. An adaptive extended Kalman filter algorithm based on weighted compensation is proposed. The simulation results show that the algorithm is effective.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN953;TN713

【相似文獻】

相關(guān)期刊論文 前10條

1 周星南;張鳳宇;劉以安;;基于輸入估計的機動目標跟蹤方法[J];江南大學學報(自然科學版);2012年06期

2 ;探測、跟蹤與偵察[J];電子科技文摘;2000年07期

3 劉丹,王宏強,黎湘;基于交互多模算法在非線性測量方程下的機動目標跟蹤[J];電光與控制;2002年04期

4 錢瓊芬,徐毓;單模型機動目標跟蹤方法的仿真研究[J];空軍雷達學院學報;2004年02期

5 劉昌云,劉進忙,陳長興,李松;機動目標跟蹤的機動頻率自適應算法[J];控制理論與應用;2004年06期

6 李璐;;機動目標跟蹤領(lǐng)域的數(shù)據(jù)濾波技術(shù)應用[J];電子科學技術(shù)評論;2005年04期

7 劉凱;苗艷;袁富宇;;用于純方位機動目標跟蹤的機動探測法[J];指揮控制與仿真;2006年02期

8 馬照英;楊莘元;楊雷;;機動目標跟蹤中的序貫濾波[J];應用科技;2006年06期

9 蔣宏;宋龍;任章;;非全測狀態(tài)下的機動目標跟蹤[J];系統(tǒng)工程與電子技術(shù);2007年02期

10 于國橋;張安清;;機動目標跟蹤的非線性算法[J];火力與指揮控制;2007年06期

相關(guān)會議論文 前10條

1 邱曉波;周啟煌;竇麗華;;機動目標跟蹤的參數(shù)辨識模型[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 徐本連;;雙觀測器純方位跟蹤性能界限的分析與近似[A];蘇州市自然科學優(yōu)秀學術(shù)論文匯編(2008-2009)[C];2010年

3 朱自謙;;用于機動目標跟蹤的復合機動模型及其應用[A];1992年中國控制與決策學術(shù)年會論文集[C];1992年

4 單甘霖;朱紀洪;王子棟;郭治;;具有有色噪聲和指定預測方差的目標跟蹤[A];1994中國控制與決策學術(shù)年會論文集[C];1994年

5 曲洪權(quán);李少洪;;一種改進的機動目標跟蹤算法[A];第十三屆全國信號處理學術(shù)年會（CCSP-2007）論文集[C];2007年

6 郭軍海;謝京穩(wěn);沙定國;;基于多普勒雷達組網(wǎng)的空間機動目標跟蹤[A];中國空間科學學會空間探測專業(yè)委員會第十八次學術(shù)會議論文集（下冊）[C];2005年

7 巴宏欣;趙宗貴;劉海燕;楊飛;曹雷;;一種機動目標跟蹤的交互式多模型算法[A];’2004系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文集[C];2004年

8 胡振濤;劉先省;;基于“當前”統(tǒng)計模型的一種改進機動目標跟蹤算法[A];第16屆中國過程控制學術(shù)年會暨第4屆全國故障診斷與安全性學術(shù)會議論文集[C];2005年

9 史健芳;馮志永;何承偉;趙丹丹;;基于高階累積量檢測機動的目標跟蹤算法[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

10 孟凡剛;毛征;周沛然;趙齊月;龔萍;;基于IMM交互式平滑算法的機動目標跟蹤建模和仿真[A];系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第15卷）[C];2014年

相關(guān)博士學位論文 前9條

1 王寫;基于H_∞濾波理論和多模型算法的機動目標跟蹤研究[D];浙江大學;2016年

2 羅笑冰;強機動目標跟蹤技術(shù)研究[D];國防科學技術(shù)大學;2007年

3 黨瑩;強雜波下機動目標跟蹤技術(shù)研究[D];中國科學院長春光學精密機械與物理研究所;2001年

4 陳亮;機動目標跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學;2012年

5 李林;機動目標跟蹤航跡生成的融合算法研究[D];國防科學技術(shù)大學;2008年

6 孫福明;機動目標跟蹤狀態(tài)估計與數(shù)據(jù)關(guān)聯(lián)技術(shù)的研究[D];中國科學技術(shù)大學;2007年

7 肖延國;智能傳感器偵察網(wǎng)絡(luò)中的目標跟蹤算法研究[D];中國科學技術(shù)大學;2007年

8 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

9 祝依龍;特征輔助的目標機動檢測技術(shù)[D];國防科學技術(shù)大學;2011年

相關(guān)碩士學位論文 前10條

1 羅偉生;面向強機動的目標跟蹤算法研究[D];華南理工大學;2015年

2 陳松;基于粒子濾波的自適應機動目標跟蹤[D];昆明理工大學;2015年

3 劉葉楠;機動目標融合跟蹤算法研究[D];西安工業(yè)大學;2015年

4 張文杰;基于變結(jié)構(gòu)多模型的機動目標跟蹤方法研究[D];貴州大學;2015年

5 趙夢;機動目標跟蹤與多目標互聯(lián)算法研究[D];電子科技大學;2014年

6 董天發(fā);臨近空間高速高機動目標跟蹤算法研究[D];電子科技大學;2015年

7 侯磊;機動目標跟蹤算法的研究[D];大連海事大學;2015年

8 王順利;量化量測下的機動目標跟蹤方法研究[D];西安電子科技大學;2015年

9 王美健;基于多模型（MM）的機動目標跟蹤算法研究[D];江南大學;2016年

10 劉楠;基于機動目標跟蹤模型的自適應濾波算法[D];浙江理工大學;2016年

，

本文編號：1636033