摘要目标被动跟踪具有良好的隐蔽性、抗电磁干扰和电磁隐身等优点，对提高跟踪系统的跟踪性能和生存能力具有重要作用。本文简单介绍了坐标系选择及量测模型坐标的转换，对目标被动跟踪的数学模型作了介绍，阐述了无源定位和测向交叉定位。讨论了目标跟踪领域中的几种主要滤波方法：卡尔曼滤波、扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）。接着针对非线性非高斯系统的状态滤波问题阐述了粒子滤波算法。
粒子滤波在处理非线性非高斯系统的参数估计和状态滤波方面具有独到的优势。本文介绍了粒子滤波的基本原理和理论和几种改进的粒子滤波算法。最后，针对一个测向交叉定位实例，用粒子滤波进行了仿真实验，验证了粒子滤波算法在目标被动跟踪中的优越性能。9401
关键词  目标被动跟踪  粒子滤波  无源定位  测向交叉定位
 毕业设计说明书（论文）外文摘要
Title    Particle Filter Algorithm Application and Research  on Passive Target Tracking               
Abstract
Passive target tracking with good covert, anti-electromagnetic interference and electromagnetic stealth, etc., plays an important role to improve the tracking performance and viability of the tracking system.This paper briefly describes the model coordinates of the coordinate system selection and measurement conversion, made a presentation on the positioning of passive positioning and to cross the mathematical model of passive target tracking. Discussed several filtering methods in target tracking: Kalman filter, extended Kalman filter (EKF), Unscented Kalman Filter (UKF). Then the state filtering problem for nonlinear non-Gaussian system described particle filter algorithm.
The particle filter has unique advantages in terms of the parameter estimates and state filtering to deal with nonlinear non-Gaussian system. This article describes the basic principles and theory of the particle filter and several improved particle filtering algorithm. Finally, for a measure to the instance of the cross location, a simulation experiment using a particle filter, verify the superior performance of the particle filtering algorithm in passive target tracking.
Keywords  Passive target tracking  Particle filter  Passive location   DOA Location
目   次
1  绪论 1
1.1  研究背景及意义 1
1.2  国内外研究概况 2
1.3  本文所做的工作 4
2  目标被动跟踪方法研究 5
2.1  目标被动跟踪系统的特点 5
2.2  跟踪坐标系的选取 6
2.3  目标被动跟踪的数学模型 8
2.4  无源定位技术 10
2.5  本章小结 13
3  目标跟踪中的滤波算法 13
3.1  卡尔曼滤波理论 13
3.2  扩展卡尔曼滤波理论（EKF） 15
3.3  无迹卡尔曼滤波理论（UKF） 15
3.4  本章小结 18
4  粒子滤波算法 18
4.1  粒子滤波的基本理论 19
4.2  粒子滤波基本算法 22
4.3  粒子滤波的改进算法 26
4.4  本章小结 31
5  仿真实验及分析 31
5.1  目标被动跟踪模型 32
5.2  粒子滤波算法实现 33
5.3  仿真结果分析 34
5.4  本章小结 38
结论  39
致谢  40
参考文献 41
 
1  绪论
1．1  研究背景及意义
目标跟踪问题的研究可追溯到1937年第一部跟踪雷达站SCR-28出现的时候。目标跟踪系统根据其工作方式可以分为主动式和被动式两种[3]。主动式跟踪系统主要采用的是有源定位技术，而被动式跟踪系统采用的是无源定位技术。主动式跟踪系统使用主动式传感器，如雷达，它向空中辐射大功率的电磁波，易于被敌方侦收、截获，遭受电子干扰和反辐射导弹的袭击，影响到系统自身的安全；而被动式跟踪系统使用被动式传感器，如红外传感器，它本身不发射电磁波，只被动接收目标发出的信号，是现代军事系统的重要组成部分。在目标被动跟踪系统中，目标的方位角是唯一的参数，利用所测得的目标角度信息可以估计目标的运动参数(位置、速度、加速度等)。 粒子滤波算法在目标被动跟踪中的应用研究:http://www.youerw.com/zidonghua/lunwen_8122.html