目標跟蹤的算法研究.pdf

1、在眾多領域，比如軍事上的戰(zhàn)場監(jiān)視、防空系統(tǒng)，民用上的交通管制、機器智能、醫(yī)療器械，目標跟蹤都是一個基本的或重要的問題。隨著應用的推廣，各種新的技術被應用到目標跟蹤中來適應更加復雜的環(huán)境。而目標跟蹤中的一個核心部分就是濾波算法，本文重點研究了一般的卡爾曼(Kalman)濾波，擴展Kalman濾波(EKF：Extend Kalman Filter)，粒子濾波，和基于這些濾波算法的交互式多模型(IMM：Interacting：Multiple

2、 Model)目標跟蹤技術。 本文首先介紹了目標跟蹤的基本原理，重點分析了基于Kalman濾波(包括EKF)的經典跟蹤方法。通過建立相應的模型仿真了解到，基于EKF的跟蹤方法對于線性或者弱機動性的目標有很精確的跟蹤性能，但是在強非線性或者高度機動性的目標的情況下的跟蹤性能會下降。同時，對于多維狀態(tài)的跟蹤系統(tǒng)，EKF中的雅克比矩陣計算會很復雜也很困難。針對Kalman濾波中的問題，本文介紹了近幾年比較流行的粒子濾波，通過和Kal

3、man濾波的仿真實驗，發(fā)現粒子濾波在強非線性或者高度機動性的目標的情況下的跟蹤性能要優(yōu)秀。但是由于粒子濾波的算法原理，它的計算量很大。最后本文研究了針對機動目標的IMM算法，提出了多速率交互式多模型粒子濾波器(MRIMMPF：Multi-rate IMM Particle Filter)算法和交互式多模型．Kalman-粒子濾波器(IMMK-PF：IMM Kalman-Particle Filter)算法。前者在交互式多模型粒子濾波器(