目標(biāo)跟蹤是信息融合領(lǐng)域一個重要的研究熱點(diǎn),過去幾十年以來,目標(biāo)跟蹤的研究取得了長足的發(fā)展,具有很好的研究前景和應(yīng)用前景。目標(biāo)跟蹤已經(jīng)被廣泛應(yīng)用于軍事、衛(wèi)星、交通等領(lǐng)域。從卡爾曼濾波(KF)、擴(kuò)展卡爾曼濾波(EKF)和粒子濾波(PF),到各種各樣基于經(jīng)典濾波改進(jìn)后的相關(guān)方法,針對目標(biāo)跟蹤的濾波方法越來越多。本文通過對KF、EKF、一般無跡卡爾曼濾波(UKF)等這些經(jīng)典的濾波算法的研究,提出了一種結(jié)合卡爾曼濾波的非線性動態(tài)系統(tǒng)濾波方法。本文首先對EKF算法、UKF算法、PF算法進(jìn)行了試驗(yàn)仿真和分析,發(fā)現(xiàn)雖然這些算法能夠有效的對非線性動態(tài)系統(tǒng)進(jìn)行濾波,但都存在一些問題,如EKF算法存在線性化精度低、需要計(jì)算復(fù)雜的雅可比矩陣等問題;UKF算法存在計(jì)算繁瑣、濾波發(fā)散甚至失真的問題;PF算法存在計(jì)算量大、權(quán)值退化的問題。為此,本文提出一種利用觀測數(shù)據(jù)局部線性化后再進(jìn)行卡爾曼濾波的算法,將非線性濾波問題轉(zhuǎn)化為線性濾波問題。研究思路如下:對于非線性動態(tài)系統(tǒng)中目標(biāo)生成的軌跡,先提取它的非線性觀測數(shù)據(jù)(距離、角度),然后對上述距離和角度數(shù)據(jù)分別進(jìn)行局部線性化,接著對線性化后的距離和角度數(shù)據(jù)進(jìn)行卡爾曼濾波,...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.1a真實(shí)軌跡與不同算法的濾波軌跡（50s）

理工大學(xué)碩士學(xué)位論文將仿真中隨機(jī)生成的原始軌跡稱為“仿真軌跡”。在50秒采樣時間的獨(dú)立仿真中，仿真軌跡、EKF濾波、UKF濾波、PF濾波、F濾波如圖3.1a所示。EKF算法、UKF算法、NTF算法一同運(yùn)行，可以得到如3.2a所示的濾波位置誤差曲線。真實(shí)軌....

圖3.1b真實(shí)軌跡與不同算法的濾波軌跡（100s）

圖3.2aEKF算法濾波、UKF算法濾波、NTF算法濾波位置誤差曲線（50s）

31圖3.2aEKF算法濾波、UKF算法濾波、NTF算法濾波位置誤差曲線（50s）

圖3.2bEKF算法濾波、UKF算法濾波、NTF算法濾波位置誤差曲線（100s）

圖3.2bEKF算法濾波、UKF算法濾波、NTF算法濾波位置誤差曲線（100s）

本文編號：3992380