在LOS-NLOS混合環(huán)境下的機動目標(biāo)跟蹤.pdf

1、隨著人們對于位置信息的需求逐漸增多，以及相應(yīng)專業(yè)方向的深入研究，目標(biāo)跟蹤領(lǐng)域得到了更廣泛的關(guān)注與推動。在跟蹤的過程中，非視距傳播(None-line-of-sight, NLOS)、多徑效應(yīng)、信道噪聲等嚴(yán)重影響著跟蹤的準(zhǔn)確性。其中，非視距傳播對定位精度的影響最大。本文較為全面的討論和研究了在視距(Line-of-sight, LOS)和非視距混合環(huán)境下的無線定位問題，給出了兩種解決方法。另外，本文將研究對象從單目標(biāo)擴展至多目標(biāo)，提出了基

2、于概率假設(shè)密度的多機動目標(biāo)跟蹤方法。仿真結(jié)果表明，本文所提在LOS/NLOS混合環(huán)境下的機動目標(biāo)跟蹤方法有效可行，針對多目標(biāo)的跟蹤方法也能夠保證較高的跟蹤精度。
　　本文介紹了目標(biāo)跟蹤的常見問題以及在 LOS/NLOS混合環(huán)境下進(jìn)行目標(biāo)跟蹤的研究背景與意義。分析了針對單機動目標(biāo)跟蹤和多機動目標(biāo)跟蹤的相關(guān)研究的發(fā)展現(xiàn)狀。針對機動目標(biāo)跟蹤情景，闡述了幾種經(jīng)典的濾波方法，其中有Bayes濾波、擴展卡爾曼濾波(EKF)算法、無跡卡爾曼濾波

3、(UKF)算法以及交互式多模型算法(Interacting Multiple Model, IMM)，這些經(jīng)典方法為后文打下了堅實的理論基礎(chǔ)。介紹了兩種針對 LOS/NLOS混合環(huán)境下機動目標(biāo)跟蹤方法，一種是基于IMM-UKF-CS的機動目標(biāo)跟蹤方法，另一種是基于HIMM-UKF的機動目標(biāo)跟蹤方法?；贗MM-UKF-CS的跟蹤方法具體來說是通過設(shè)計LOS和NLOS兩種模型集來系統(tǒng)描述目標(biāo)的運動情景，并在IMM的框架下實現(xiàn)模型有效切換。

4、基于HIMM-UKF的跟蹤方法則是將目標(biāo)的機動性考慮進(jìn)多模型框架中，在已有的IMM的框架下構(gòu)建雙層IMM系統(tǒng)，第一層與IMM-UKF-CS的策略一樣，實現(xiàn)LOS和NLOS的有效切換，第二層則通過設(shè)定不同的運動模型實現(xiàn)目標(biāo)機動模型的有效切換。仿真實驗論證了以上兩種方法的有效性。提出了基于概率假設(shè)密度的多機動目標(biāo)跟蹤方法，該方法是在隨機有限集的框架下，利用概率假設(shè)密度結(jié)合UKF的方法實現(xiàn)對多個機動目標(biāo)在強雜波環(huán)境下的跟蹤。仿真表明該方法能夠