基于被动测量的机动目标跟踪算法研究

论文摘要

本文主要研究了红外成像应用系统中的目标跟踪问题,重点对目标跟踪的状态估计、跟踪起始、维持和终结等进行了研究。首先,概述了目标跟踪系统的组成,并对每个部分作了详细的介绍。从系统的角度出发对跟踪系统中的状态估计算法进行了全面的分析,并对国内外公开发表的状态估计算法作了全面的概括总结。对经典的卡尔曼滤波以及针对非线性系统的扩展卡尔曼滤波,不敏卡尔曼滤波算法进行了分析比较。其次,针对机动目标跟踪这一目标跟踪中的热点和难点问题,本文对有机动检测的滤波算法以及无机动检测的自适应滤波算法进行了研究。针对交互式多模型滤波在目标运动模型选取数量较大的情况下出现跟踪效果变差的现象,对适用于机动目标跟踪的变结构交互式多模型滤波进行了详细而深入地研究。最后,本文创新地将变结构交互式多模型滤波与扩展卡尔曼滤波相结合,应用于实际的红外跟踪系统。实验仿真表明,该算法能有效地对基于被动量测的红外序列图像中的机动目标进行跟踪。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 目标跟踪技术的研究背景及其意义
• 1.2 目标跟踪中状态估计算法的研究现状
• 1.2.1 线性滤波算法发展现状
• 1.2.2 非线性滤波算法发展现状
• 1.2.3 机动目标跟踪发展现状
• 1.3 本文研究内容及论文基本框架
• 第二章 目标跟踪
• 2.1 目标跟踪系统概述
• 2.2 传感器与坐标系统选择
• 2.2.1 主动传感器
• 2.2.2 被动传感器
• 2.2.3 坐标系的选择
• 2.3 跟踪的起始和终结
• 2.3.1 航迹起始
• 2.3.2 基于两点外推的航迹起始算法
• 2.3.3 跟踪终结
• 2.4 本章小节
• 第三章 状态估计—理论及方法
• 3.1 估计方法的相关概念
• 3.1.1 四种基本估计方法
• 3.1.2 估计性质
• 3.1.3 贝叶斯滤波
• 3.2 线性滤波算法
• 3.2.1 卡尔曼滤波（KF）
• 3.2.2 α- β滤波和α-β- γ滤波
• 3.3 非线性滤波算法
• 3.3.1 扩展卡尔曼滤波（EKF）
• 3.3.2 不敏卡尔曼滤波（UKF）
• 3.4 仿真结果
• 3.5 本章小节
• 第四章 机动目标跟踪
• 4.1 机动目标跟踪方法概述
• 4.2 目标运动模型
• 4.2.1 CV/CA/CT模型
• 4.2.2 机动目标模型
• 4.3 机动目标跟踪算法
• 4.3.1 可调白噪声模型
• 4.3.2 多模型算法
• 4.3.3 交互式多模型滤波
• 4.4 本章小节
• 第五章 一种变结构多模型机动目标跟踪算法
• 5.1 问题的提出
• 5.2 变结构多模型滤波算法
• 5.2.1 图论的相关知识
• 5.2.2 变结构的基本思想
• 5.2.3 变结构交互式多模型滤波算法
• 5.3 算法仿真
• 5.4 变结构多模式滤波在红外目标跟踪系统中的应用
• 5.4.1 红外目标跟踪系统概述
• 5.4.2 红外序列图像的检测
• 5.4.3 红外序列图像中机动目标跟踪仿真
• 5.5 本章小节
• 第六章 结束语
• 6.1 本文工作的总结
• 6.2 展望
• 致谢
• 参考文献