学海网

毕业设计-无迹卡尔曼滤波在目标跟踪中的应用，共54页，24862字，附外文翻译、答辩ppt
摘 要
由于卡尔曼滤波器具有结构简单、性能最优、易于被掌握和应用等一系列的优点其已被广泛应用于状态跟踪和估计等科学领域。值得一提的是，由于其线性的推导和计算过程，决定了卡尔曼滤波器不能应用于非线性系统。本文主要研究的是UKF滤波方法的滤波性能、现存问题和改进方法。
首先，介绍卡尔曼滤波在军事等领域的实际应用以及其今后的发展趋势，而后，初步了解卡尔曼滤波的意义，显著地改善动态跟踪精度,它在目标跟踪中不仅利用当前的量测值,而且充分利用以前的量测数据,根据线性最小方差原则求出最优估计。连续系统的卡尔曼滤波方程以及离散系统的卡尔曼滤波方程让我们对其在线性化的处理有了深刻的印象。同时，通过比例Unscented变换方法，可以更为准确地求得随机分布经过非线性变换后的均值和方差。
再次，在机动目标跟踪过程中，目标的状态模型和量测模型，直角及极坐标系下跟踪系统模型等等能更好的与实际的目标运动学相匹配。
最后，滤波算法在目标跟踪中的分析，能仿真出卡尔曼滤波和无迹卡尔曼滤波在运动中的状态估计。
关键词：UKF、均值、Unscented变换方法、状态模型、量测模型

ABSTRACT
Because the kalman filter has simple structure, the optimal performance, easy to master and application and so on a series of advantages, it has been widely used in scientific fields such as status tracking and estimation. Be worth what carry is, because of its derivation and calculation of the linear process, determine the kalman filter can not be applied to nonlinear system. This paper studies the UKF filter method of filtering performance, existing problems and improving methods.
First of all, this paper introduces the practical application of kalman filtering in the fields such as military and its development trend in the future.And then a preliminary understanding of the meaning of the kalman filter, significantly improve the dynamic tracing accuracy, it is not only in target tracking using the current measurement value, and make full use of the previous measurement data, according to the linear minimum variance principle to find the optimal estimation. Kalman filtering equation of continuous system and discrete system let us in the kalman filter equation linearized processing has a deep impression. At the same time, through the Unscented transform method, random distribution can be obtained more accurately after nonlinear transform of the mean and variance.
Again, in the process of maneuvering target tracking, the state of the target model and measurement model, right Angle tracking system and polar coordinate model and so on can better match the actual target kinematics.
Finally, the analysis of the filtering algorithm in target tracking, can simulate the kalman filtering and no trace of the kalman filter state estimation in the movement.
KEYWORDS：UKF, average, unscented transformation method, the state model, the measurement model

目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 研究背景及意义 1
1.2 卡尔曼滤波技术的现状 2
1.3 有待解决的问题和发展趋势 6
第二章 无迹卡尔曼滤波的基础理论 10
2.1 基本卡尔曼滤波 10
2.1.1 连续系统的卡尔曼滤波方程 10
2.1.2 离散系统的卡尔曼滤波方程 11
2.1.3 离散卡尔曼滤波的分析 13
2.2克服滤波发散的滤波方法 14
2.2.1 加权衰减记忆滤波 14
2.2.2 平方根滤波器 17
2.3 非线性系统的卡尔曼滤波 18
2.4 VD算法描述 20
2.5 Unscented变换和对称采样策略 22
2.6 UKF滤波的实现算法 23
2.7 影响UKF精度的主要因素 25
2.8 本章小结 26
第三章 跟踪模型的建立 27
3.1 目标的状态模型和量测模型 27
3.2 跟踪坐标系的选取 27
3.2.1 直角坐标系下跟踪系统模型 28
3.2.2 极坐标下跟踪系统模型 28
3.2.3 量测模型的坐标转换 29
3.3 机动目标模型的建立 29
3.3.1 CV与CA模型 30
3.3.2 时间相关模型(singer模型) 30
3.3.3 Noval统计模型 31
3.3.4 机动目标“当前”统计模型 31
3.4 本章小结 32
第四章 滤波算法在目标跟踪中的分析及比较 33
4.1仿真想定设置 33
4.2仿真结果及分析 34
4.2.1 匀速直线运动仿真分析 34
4.2.2 S形机动模型 37
4.3 本章小结 40
第五章 结束语 41
5.1 本文总结 41
5.2 发展与展望 41
参考文献 44
致谢 46
毕业设计小结 47