摘要在机动目标跟踪中，坐标系选择对跟踪算法性能有较大的影响。在许多实际目标跟踪应用中，测量是在极坐标系下得到的，而目标运动模型在直角坐标系下描述更为方便。把极坐标下的测量值转换到直角坐标中，滤波和新息的获取都在直角坐标系中完成，此时转换测量的均值和方差都有所变化，需要在每一步迭代时计算，这种方法称为转换测量卡尔曼滤波（Converted Measurement Kalman Filter, CMKF）。本文对转换测量卡尔曼滤波算进行了研究，并将其与直角坐标系下的扩展卡尔曼滤波行了对比，重点对滤波偏差进行分析。最后，通过仿真试验对算法进行仿真比较。结果表明，在直角坐标系下有较大的测量误差的情况下，修正无偏转换测量卡尔曼滤波的性能明显好于扩展卡尔曼滤波。82994
毕业论文关键词 机动目标跟踪 扩展卡尔曼滤波 修正无偏转换测量卡尔曼滤波
毕业设计说明书外文摘要
Title Target Tracking Technique for Conversion Measurement Filter
Abstract The choice of coordinate system has a great effect on the performance of tracking algorithms in the target tracking。In many practical applications of target tracking, the measurement is obtained under the polar coordinate system, and the target tracking model is more convenient in the Cartesian coordinate system。In process of the polar coordinates measurement value converting to Cartesian coordinates,the acquisition of filter and the new information is completed in Cartesian coordinates , then the conversion measurements of the mean and the variance have changed,and it is require to calculate at each step of the iterative calculations。 This method known as the converted measurement Kalman filter。In this paper, the converted measurement Kalman filter is studied, and it is compared with the extended Kalman filter in Cartesian coordinate system and pay more attention to the bias。At last,we compare the two algorithms by simulation test。The results show that, in the case of large measurement error in Cartesian coordinate system, the performance of modified unbiased converted measurement Kalman filter is better than that of extended Kalman filter。
Keywords target tracking Modified Unbiased Converted Measurement Kalman filter the extended Kalman filter
目 次
1 引言 1
1。1 研究目的及意义 1
1。2 技术研究现状 1
1。3 本文主要工作及论文结构安排 3
2 机动目标跟踪4
2。1 机动目标运动模型 4
2。2 目标运动状态方程 6
2。3 本章小结 8
3 扩展卡尔曼滤波 9
3。1 卡尔曼算法简介 9
3。2 扩展卡尔曼滤波 9
3。3 本章小结 10
4 修正无偏转换测量卡尔曼滤波 11
4。1 无偏转换测量 11
4。2 方差计算 12
4。3 本章小结 12
5 试验仿真 14
5。1 仿真与分析 14
5。2 试验分析 19
5。3 本章小结 20
结论 21
参考文献22
1 引言
1。1 研究目的及意义
运动目标跟踪的主要目的是估计目标当前的位姿与运动状态，一也可对未来时刻的位姿和运动状态进行预测。运动目标目标跟踪主要是对于系统状态向量进行状态估计，一般来说会采用滤波技术，比如目前应用最广泛的卡尔曼滤波器（Kalman Filter，KF）。KF目前在很多的方面都有应用，包括在航空航天技术中的航空器轨道修正、智能机器人技术中机器人系统控制、雷达导航技术中的雷达系统等，近年来更被应用于组合导航系统与动态定位系统、视频监控系统、微观经济学等应用研究领域，特别是在目前比较热门的研究领域比如说数字图像处理领域、人工智能应用领域等占有十分重要地位。 CMKF转换测量滤波目标跟踪技术:http://www.youerw.com/jisuanji/lunwen_97587.html