机动目标跟踪算法研究

论文摘要

目标跟踪在军事和民用领域,譬如空防和空中交通管制中,都有着广泛的应用,而随着现代航空航天技术的飞速发展,各种飞行器的航行速度和机动性能越来越高对目标跟踪也提出越来越高的要求。运动目标的机动会使跟踪系统的性能下降,由于机动出现的复杂性、随机性和多样性,对机动目标进行跟踪一直是一个具有挑战性的问题,不管在理论上和实践上都有较高的技术难度。因此,本论文在学习前人研究成果的基础上,着重研究了高机动目标的跟踪问题。本文首先对机动目标跟踪问题的发展历程进行了回顾,详细介绍了目标跟踪的理论知识:状态估计和卡尔曼滤波,并讨论了卡尔曼滤波所存在的问题。在此基础上,对相关的问题进行了研究,取得了以下成果:（1）针对卡尔曼滤波的运算量比较大,实时性不够好的缺点,在分析已有常增益滤波器的基础上,提出了一种新的常增益滤波器:α-β-γ-δ模型,并根据时常系统的状态估计协方差在一定条件下将收敛到一个稳态值这一性质,从理论上推导出了上述新模型中α、β、γ和δ的计算公式。并通过仿真实验验证了α-β-γ-δ模型在跟踪高机动目标时的有效性。（2）在针对α-β-γ-δ模型存在难于预先估计过程噪声标准偏差和单一滤波器只能跟踪特定运动方式目标的不足的基础上,从不同角度提出了四种不同的改进算法:基于统计检测的自适应α-β-γ-δ滤波算法、基于缩放因子的自适应α-β-γ-δ滤波算法、常增益组合滤波算法、多级组合α-β-γ-δ滤波算法,并分别做了仿真实验,研究了它们的跟踪性能,证实了四种改进算法均能很好的解决α-β-γ-δ模型存在的不足。（3）选取了其中一种改进算法与现有的其它几种主要算法做了仿真对比,结果表明改进算法具有较好的跟踪性能,在跟踪精度与实时性之间取得了一个比较好的平衡。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 机动目标跟踪概述
• 1.2 研究现状及现存问题
• 1.3 应用前景
• 1.4 本文的内容结构
• 第二章 状态估计与卡尔曼滤波
• 2.1 参数估计基本理论
• 2.1.1 四种基本估计方法
• 2.1.2 估计性质
• 2.2 静态情况下的参数估计
• 2.2.1 最小二乘估计
• 2.2.2 最小均方误差估计
• 2.3 卡尔曼滤波
• 2.3.1 系统模型
• 2.3.2 滤波模型
• 2.3.3 稳态卡尔曼滤波
• 2.3.4 卡尔曼滤波存在的问题
• 第三章 常增益滤波器
• 3.1 Α-Β滤波器
• 3.2 Α-Β-Γ滤波器
• 3.3 Α-Β-Γ-Δ滤波器
• 3.4 Α-Β-Γ-Δ算法仿真结果及分析
• 第四章 自适应和组合常增益滤波算法
• 4.1 基于统计检测的自适应Α-Β-Γ-Δ滤波算法
• 4.1.1 算法介绍
• 4.1.2 算法仿真结果及分析
• 4.2 基于缩放因子的自适应Α-Β-Γ-Δ滤波算法
• 4.2.1 算法介绍
• 4.2.2 算法仿真结果及分析
• 4.3 常增益组合滤波算法
• 4.3.1 算法介绍
• 4.3.2 算法仿真结果及分析
• 4.4 多级组合Α-Β-Γ-Δ滤波算法
• 4.4.1 算法介绍
• 4.4.2 算法仿真结果及分析
• 4.5 四种算法的对比总结
• 第五章 机动目标跟踪算法的性能比较
• 5.1 仿真环境与参数设计
• 5.2 新算法与当前统计模型算法的比较
• 5.2.1 当前统计模型简介
• 5.2.2 仿真结果
• 5.3 新算法与交互式多模型算法的比较
• 5.3.1 交互式多模型（IMM）简介
• 5.3.2 仿真结果
• 5.4 新算法与JERK 模型算法的比较
• 5.4.1 Jerk 模型简介
• 5.4.2 仿真结果
• 5.5 算法对比结果总结及分析
• 第六章 结束语
• 6.1 论文总结
• 6.2 论文中可以改进的地方
• 6.3 未来的研究方向及发展趋势
• 致谢
• 参考文献
• 附录：攻读硕士学位期间发表的论文