雷达目标跟踪的卡尔曼滤波方法的研究

论文摘要

本文对于雷达的目标数据的获得和跟踪做了大体的阐述,对现阶段应用比较广泛的几种滤波算法做了概括性的描述,并提出了现阶段雷达目标跟踪算法所存在的问题。卡尔曼滤波算法是现阶段雷达中最常用的跟踪算法,在雷达的跟踪算法中他占据了主导地位。本文通过对基础卡尔曼滤波的描述,结合港口监管雷达所监管的目标的实际情况,针对于状态噪声协方差矩阵对卡尔曼滤波结果的影响做了仿真,提出了通过准备多组状态噪声协方差矩阵供选择使用以求优化滤波精度,加快收敛速度,加强跟踪稳定度的方法。针对目标运动模型为Singer模型中的线性运动模型和非线性运动模型本文分别设计了两种卡尔曼滤波器,并且利用文中所提出的方法进行了滤波器的改进,对改进后的卡尔曼滤波算法分别进行了MATLAB仿真,最后提出了将线性运动模型的卡尔曼滤波器与非线性运动模型的卡尔曼滤波器并联,得到兼具这两种滤波器优点的滤波结果,尤其是在滤波的收敛速度上有了相当大的提高。通过MATLAB仿真结果我们可以看出,这些方法是有效的,能够达到我们所预想的效果。文章在基于准备多组状态噪声协方差矩阵供选择的方法的基础上对于可否通过选取增益矩阵的方法来简化雷达跟踪算法的方法通过Singer模型来进行了论证,通过MATLAB仿真看出这种方法是可以简化跟踪算法在港口雷达的实际应用的,文章中也通过了几组数值归纳出了这种方法的限制性。

论文目录

• 第1章 绪论
• 1.1 课题研究的背景
• 1.2 雷达信号检测与目标跟踪
• 1.3 雷达目标跟踪的基本方法
• 1.3.1 雷达目标跟踪的基本信息
• 1.3.2 目标机动模型
• 1.3.3 雷达目标跟踪的滤波算法
• 1.3.2.1 加权最小二乘滤波
• 1.3.2.2 α～β滤波
• 1.4 目标跟踪技术有待进一步解决的问题
• 1.4.1 卡尔曼滤波的稳定性和准确性
• 1.4.2 收敛速度的问题
• 1.4.3 滤波过程中的系统偏差的问题
• 1.5 课题来源
• 1.6 本文的主要工作和结构
• 第2章 卡尔曼滤波理论
• 2.1 卡尔曼滤波的基本算法
• 2.2 卡尔曼滤波的性质
• 2.3 Kalman滤波算法的发展
• 2.3.1 扩展卡尔曼滤波
• 2.3.2 二阶滤波
• 2.3.3 修正增益的扩展卡尔曼滤波
• 2.3.4 自适应扩展卡尔曼滤波
• 2.3.5 基于加权测量噪声协方差矩阵的发散抑制方法
• 2.4 卡尔曼滤波模型
• 2.5 船舶运动目标建模的主要方法
• 2.6 卡尔曼滤波算法中线性化的误差
• 2.7 卡尔曼滤波的应用意义
• 第3章 改进的卡尔曼滤波算法
• 3.1 野值识别与处理
• 3.1.1 野值的识别
• 3.1.2 野值的处理
• 3.1.3 野值处理的仿真分析
• 3.2 目标运动模型的建立
• 3.2.1 Singer模型中的匀速运动目标的运动模型
• 3.2.2 Singer模型中的匀加速运动目标的运动模型
• 3.3 坐标转换
• 3.4 通过自适应选择状态噪声协方差矩阵Q来提高滤波稳定性的方法
• 3.4.1 滤波仿真
• 3.4.1.1 状态协方差矩阵对滤波结果的影响
• 3.4.1.2 对状态噪声协方差矩阵自适应选择以后的滤波结果仿真
• 3.5 双模型并行滤波构造
• 3.5.1 滤波构造的设计
• 3.5.2 模拟仿真
• 3.5.2.1 基础卡尔曼滤波的仿真结果
• 3.5.2.2 并行滤波仿真结果
• 第4章 常增益卡尔曼滤波算法
• 4.1 简化卡尔曼滤波算法发展现状
• 4.1.1 常增益滤波
• 4.1.2 状态约减
• 4.1.3 分段卡尔曼滤波
• 4.1.4 解藕卡尔曼滤波
• 4.2 本文简化算法设计方法
• 4.3 模拟仿真
• 4.3.1 简化算法与未简化算法的精度比较
• 4.3.2 K值组的数量对滤波结果的影响
• 第五章 对卡尔曼滤波的展望
• 结论
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历