基于DSP的汽車雷達目標跟蹤算法研究.pdf

1、本文研究了基于DSP的汽車雷達目標跟蹤算法并在DSP嵌入式環(huán)境中實現(xiàn)了汽車雷達目標跟蹤系統(tǒng)。
　　首先，針對Singer模型和CS模型等先驗機動模型在應用于汽車雷達跟蹤強機動目標時產生較大的誤差，提出了基于支持向量回歸的在線學習機動模型。該模型使用理論新息協(xié)方差與實際新息協(xié)方差的差值作為判斷目標機動的準則，使用支持向量回歸在線調整模型參數(shù)。大量實驗表明，本文提出的基于支持向量回歸的在線學習機動模型在跟蹤強機動目標時跟蹤精度優(yōu)于CA

2、模型和Singer模型。
　　其次，針對SRCKF濾波實時性能不高的問題，提出了快速SRCKF。該濾波器結合線性卡爾曼濾波的時間更新和SRCKF的測量更新，在濾波效率上提高了30％以上。大量仿真實驗表明，本文改進的FSRCKF與SRKCF相比具有相同的濾波精度，但具有更高的濾波效率，適用于汽車雷達等實時性要求高但計算資源匱乏的嵌入式系統(tǒng)。
　　最后，本文基于DSP嵌入式環(huán)境實現(xiàn)了汽車雷達目標跟蹤系統(tǒng)，驗證了部分運動模型和濾波