機動目標跟蹤系統(tǒng)自適應卡爾曼預測技術研究.pdf

1、長春工業(yè)大學碩士學位論文摘要隨著現(xiàn)代社會科技的飛速發(fā)展，現(xiàn)代化武器和現(xiàn)代化的作戰(zhàn)環(huán)境都隨之發(fā)生了翻天覆地的變化。與過去的單一化機械作戰(zhàn)相比，現(xiàn)代化作戰(zhàn)的目標機動性能逐漸趨于智能化、自動化，所以現(xiàn)代化目標追蹤技術已經(jīng)成為各國軍事應用的熱點話題。本文主要研究了目標追蹤的過程，從獲取目標圖像、經(jīng)算法分析、理論建模等方面對機動目標跟蹤技術進行了研究，論文的主要工作有：分析了目標追蹤圖像獲取方法，在獲取運動軌跡的基礎上研究了跟蹤過程中的軌跡的運動

2、特性，由于干擾和障礙的存在，運行軌跡往往呈非線性特性。然后對目標的非線性運動軌跡進行濾波，介紹了幾種常用的卡爾曼濾波，并對其進行了分析研究，經(jīng)仿真驗證后對目標運動軌跡的預測進行了狀態(tài)估計和穩(wěn)定性分析，找出了適合本文的濾波方法。確定了濾波算法之后，對目標的運動軌跡預測過程進行了建模，首先對目標預測跟蹤過程的當前統(tǒng)計模型理論和目標自適應算法進行了介紹，分析了它們的自身特性，發(fā)現(xiàn)用當前統(tǒng)計模型對目標進行追蹤過程中由于目標機動性能比較大，機動頻

3、率的初始值很難確定，并且它的頻率不能隨著機動目標的變化進行調整，導致當前統(tǒng)計模型對機動目標的預測能力比較低，難以達到要求的跟蹤精度。針對這一問題，本文采用了基于機動頻率的自適應算法，建立模型仿真驗證了當目標的加速度發(fā)生機動變化時模型的可行性。文中還指出了用修正瑞利分布函數(shù)來描述基于當前統(tǒng)計模型的運動加速度時，當前統(tǒng)計模型本身存在局限性，對做非機動運動和弱機動運動的目標的跟蹤效果不理想。針對這一點，本文提出了采用加速度極值自適應的算法，該

4、算法是利用鈴形模糊隸屬函數(shù)對加速度的極值進行修正。并且本文利用時變的漸消因子的調節(jié)對加速度進行修正以增強算法在目標加速度突變的情況下的跟蹤能力。最后結合前面提到的濾波方法和建模理論對被遮擋情況下的目標運動進行了預測估計，并進行了仿真實驗，得到了良好的目標跟蹤效果，驗證了本文的模型與算法的可行性。關鍵詞：機動目標跟蹤非線性濾波算法當前統(tǒng)計模型自適應跟蹤算法長春工業(yè)大學碩士學位論文accelerationextremismfadingfac

5、torregulatingtheAnalysisandsimulationverifiedwhenthetargetmaneuverwiⅡltheexistenceoftheweakmaneuveringandnonmaneuveringmotion，simultaneouslyalsohastheeffectofimprovedtrackingalgorithmfortargetmaneuveraccelerationmutation

6、ofthesituationandwitllthetraditionalcurrentstatisticalmodelandtheimprovedalgorithmhascarriedonthecomparativeanalysisofliteratureFinallycombiningthefiltermethodandmodelingtheorymentionedabovewerepredictedtoestimatetheoccl

7、udedtargetmovementsituation，andhascarriedonthesimulationexperiment，verifiedthefeasibilityofthemodelandalgorithminthispaperKeywords：ManeuveringtargettrackingNonlinearfilteringalgorithmCurrentstatisticalmodelAdaptivetracki