基于VRPF的机动目标跟踪的研究

论文摘要

机动目标跟踪作为科学界的一个基本问题,在军事和民用领域有着广泛地应用。在过去的几十年中,国内外许多研究人员对其进行了深入的研究,并取得了丰富的成果。随着科学技术的进步和现代航空航天技术的飞速发展,目标的航行速度和机动性越来越高,各种应用系统对机动目标跟踪提出了日益复杂的要求。其中模型的建立和滤波的方法是目标跟踪的核心,对于机动目标跟踪来说,很多模型都是非线性和非高斯的,所以滤波时我们要采用非线性滤波,目前可较好地解决非线性,非高斯滤波问题就是粒子滤波。本文首先对非线性滤波理论的发展历程进行了简要的回顾,然后详细介绍了粒子滤波算法的研究现状,并对机动目标跟踪算法的研究现状进行了简单的介绍。第二章介绍了机动目标运动的模型,包括匀速(CV)模型、常加速(CA)模型和Singer模型、当前”统计模型,分析了各类模型的特点。第三章详细介绍粒子滤波的算法及其改进算法。第四章介绍了已运用到实际中的交互式多模型(IMM)目标跟踪技术,在非线性非高斯环境下,介绍了基于粒子滤波(PF)滤波的IMM算法。第五章提出一个新型的机动目标运动模型,基于内在坐标的运动模型,并结合粒子滤波,和IMM进行比较。因实际中转弯运动是经常遇到的机动,在未知转弯速率的情况下,IMM算法跟踪精度有所下降,针对此问题,第六章提出了基于变转弯速率粒子滤波(VRPF)的IMM算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景和意义
• 1.2 非线性滤波理论的发展
• 1.3 粒子滤波算法研究现状
• 1.4 机动目标跟踪算法研究现状
• 1.5 本文所做的工作
• 第2章 机动目标运动模型
• 2.1 匀速模型和常加速模型
• 2.2 零均值Singer模型
• 2.3 “当前”统计模型
• 2.4 本章小结
• 第3章 粒子滤波
• 3.1 粒子滤波的基本理论
• 3.1.1 贝叶斯估计
• 3.1.2 蒙特卡罗方法
• 3.1.3 贝叶斯重要性采样
• 3.2 粒子滤波基本算法
• 3.2.1 顺序重要性采样
• 3.2.2 重要性采样重采样
• 3.3 粒子滤波的改进算法
• 3.3.1 辅助采样粒子滤波算法
• 3.3.2 规则化采样粒子滤波算法
• 3.3.3 无迹粒子滤波算法
• 3.3.4 高斯厄米特粒子滤波算法
• 3.3.5 自适应粒子滤波算法
• 3.4 本章小结
• 第4章 交互式多模型
• 4.1 交互式多模型算法
• 4.1.1 交互式多模型算法的基本原理
• 4.1.2 交互式多模型算法分析
• 4.2 交互式多模型粒子滤波算法
• 4.3 本章小结
• 第5章 基于内在坐标的目标模型的粒子滤波
• 5.1 基于内在坐标的目标模型
• 5.2 仿真实验与分析
• 5.3 本章小结
• 第6章 基于VRPF的交互式多模型算法
• 6.1 转弯率模型
• 6.1.1 已知转弯率ω的CT模型
• 6.1.2 未知转弯率ω的CT模型
• 6.2 基于VRPF的交互式多模型算法
• 6.2.1 基于VRPF的IMM算法步骤
• 6.2.2 仿真实验与分析
• 6.3 本章小结
• 结论
• 参考文献
• 致谢