论文部分内容阅读
由于在军事和民用领域具有广阔的应用前景,目标跟踪问题的研究一直受到人们的广泛关注。最近几十年来,国内外众多专家学者对之进行了深入的研究,并取得了丰硕的成果。目标跟踪中的一个核心部分就是滤波算法,经典的卡尔曼滤波算法是一种时域方法,对于具有高斯分布噪声的线性系统,可以得到系统状态的递推最小均方差估计。但在实际应用中,即使不太复杂的系统,一般都是非线性系统,这时卡尔曼滤波算法就不适用了,所以非线性滤波成为目标跟踪领域研究的一个热点问题。本文首先介绍了目标跟踪研究的基本问题和主要内容,概述了目标跟踪的分类和基本原理并对常用的目标运动模型进行了分析和介绍。在卡尔曼滤波的基础上,本文重点研究了扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)和粒子滤波(PF)等主要的非线性滤波方法,设计了目标运动的转弯模型场景,针对该场景对以上算法进行了实验仿真,验证了以上非线性滤波算法在目标跟踪应用中的有效性,并通过实验结果对比了各个算法跟踪性能,并对算法的优缺点进行了综合的比较和分析。为了提高跟踪性能,将RTS平滑算法应用于对滤波算法结果进行优化,实现了EKF-RTS和UKF-RTS算法在目标跟踪中的应用,研究了影响平滑算法性能的主要因素,验证了多次平滑的实验结果,设计并实现了分段平滑算法。实验结果表明分段平滑算法能够有效地对滤波结果进行优化,提高跟踪性能,又可以满足跟踪系统实时性的要求。为了适应目标的机动变化,将交互式多模型算法与EKF和UKF算法结合,研究并实现了基于EKF的交互式多模型算法(IMM-EKF)和基于UKF的交互式多模型算法(IMM-UKF),再对IMM-EKF算法和IMM-UKF算法进行平滑后处理,得到IMM-EKFS和IMM-UKFS算法,通过实验仿真验证了各个算法在目标跟踪领域的应用。最后总结全文并给出进一步研究方向。