学位论文 > 优秀研究生学位论文题录展示
基于UKF滤波的单目标跟踪算法研究
作 者: 江宝安
导 师: 卢焕章
学 校: 国防科学技术大学
专 业: 电路与系统
关键词: 非线性滤波 EKF UKF 机动目标 跟踪 交互式多模型 数据关联
分类号: TN953
类 型: 硕士论文
年 份: 2003年
下 载: 1165次
引 用: 20次
阅 读: 论文下载
内容摘要
本文重点研究单目标跟踪中的三方面主要内容:一、非线性滤波;二、目标运动建模;三、各种探测条件下目标跟踪仿真实验。 滤波算法是目标跟踪算法的一个核心部分,本文首先介绍两种非线性滤波算法,即扩展卡尔曼算法(EKF)和UKF(Unscended Transform)算法。其中UKF算法是一种最近才研究出来的非线性滤波算法,相对于EKF,它具有实现简单通用性强,性能稳定等特点。它完全有可能取代EKF成为一种常用的非线性滤波算法。通过再入大气层弹道目标仿真实验,可以看出UKF相对于EKF具有极大的优越性,是一种非常优良的非线性滤波算法。 由于单被动无源传感器仅能获取目标角度信息,直角坐标系下的跟踪系统是不稳定的,本文进一步研究了修正球坐标系下的目标建模与跟踪问题。 最后,本文采用交互式多模型/数据关联(IMM/PDAF)算法对机动目标进行跟踪研究,所用的滤波器为UKF,通过一个典型的‘S’型机动实例,检验其在双被动无源探测条件下的跟踪性能。
|
全文目录
图目录 6-7 摘要 7-8 ABSTRACT 8-9 第一章 绪论 9-14 §1.1 研究的目的与意义 9 §1.2 目标跟踪算法的研究现状 9-13 §1.3 本文所做的工作与论文结构安排 13-14 第二章 非线性滤波算法 14-28 §2.1 非线性贝叶斯跟踪 14-15 §2.2 扩展卡尔曼滤波算法(EKF) 15-17 §2.2.1 最优算法(KF) 15-16 §2.2.2 扩展卡尔曼滤波算法(EKF) 16-17 §2.3 UKF滤波算法 17-22 §2.4 计算机仿真 22-27 §2.5 小结 27-28 第三章 基于UKF/MSC的被动式目标跟踪 28-37 §3.1 基于修正球坐标系的目标运动模型和观测模型 28-33 §3.1.1 修正的球坐标系 28-30 §3.1.2 基于MSC的目标运动模型 30-33 §3.1.3 被动传感器测量模型 33 §3.2 仿真实验 33-36 §3.3 小结 36-37 第四章 基于UKF/PDA/IMM被动式机动目标跟踪 37-54 §4.1 概率数据互联(PDA)滤波算法 37-42 §4.1.1 点迹确认和跟踪门概念 37-38 §4.1.2 概率数据互联(PDA) 38-41 §4.1.3 PDAF滤波器 41-42 §4.2 交互式多模型(IMM)算法 42-45 §4.3 基于直角坐标系的目标运动模型和测量模型 45-49 §4.3.1 目标运动模型 46-49 §4.3.2 目标测量模型 49 §4.4 数值仿真与性能分析 49-53 §4.4.1 单模估计 50 §4.4.2 IMM估计 50-53 §4.5 小结 53-54 结束语 54-55 致谢 55-56 参考文献 56-58 附录 58-65 攻读硕士学位期间发表的论文 65
|
相似论文
- 高动态GNSS软件接收机载波跟踪算法研究,P228.4
- 高灵敏度GNSS软件接收机的同步技术研究与实现,P228.4
- 行星际间飞行的自主导航方法研究,V448.224
- 陀螺稳定跟踪平台研究,V241.5
- 某型卫星姿态确定与有限时间控制方法研究,V448.222
- 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
- 电缆巡检车图像引导技术的研究,U469.6
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 人物言论抽取与跟踪技术研究,TP391.1
- 空间交会接近视觉测量方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 非线性变结构导引规律的研究,TJ765
- 捷联成像导引头视线角速率估计方法研究,TJ765
- GPS抗干扰技术研究,P228.4
- 大红山铁矿井下人员跟踪定位系统的优化研究,TN929.5
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达跟踪系统
© 2012 www.xueweilunwen.com
|