基于DSP的機(jī)動(dòng)目標(biāo)跟蹤濾波的研究.pdf

1、機(jī)動(dòng)目標(biāo)跟蹤廣泛應(yīng)用于軍事和民用領(lǐng)域，一直備受人們的關(guān)注。隨著目標(biāo)的機(jī)動(dòng)性越來越強(qiáng)，跟蹤濾波器對(duì)目標(biāo)機(jī)動(dòng)常常不能夠良好的匹配，為確保雷達(dá)穩(wěn)定而精確的跟蹤目標(biāo)，如何設(shè)計(jì)優(yōu)良的機(jī)動(dòng)目標(biāo)跟蹤算法已成為一個(gè)具有重要理論和使用價(jià)值的熱點(diǎn)研究課題。
　　 本文首先討論了機(jī)動(dòng)目標(biāo)跟蹤的一些基本算法，包括卡爾曼濾波、擴(kuò)展卡爾曼濾波、不敏卡爾曼濾波(UKF)和粒子濾波(PF)，通過對(duì)這幾種算法濾波性能的對(duì)比仿真分析，研究這些算法在機(jī)動(dòng)目標(biāo)跟蹤中存

2、在的不足，為后續(xù)的研究工作做鋪墊。
　　 UKF算法的核心是通過不敏變換來解決強(qiáng)非線性問題，多重時(shí)變漸消因子的引入可以解決當(dāng)系統(tǒng)穩(wěn)定后UKF算法會(huì)對(duì)突變狀態(tài)喪失跟蹤能力的問題，本文在此基礎(chǔ)上，對(duì)多重時(shí)變漸消因子進(jìn)行修正，提出了改進(jìn)的帶多重時(shí)變漸消因子UKF。PF算法的核心是通過重要性采樣獲得一組帶相關(guān)權(quán)值的隨機(jī)樣本，并通過重采樣來獲得狀態(tài)的最優(yōu)估值，遺傳算法的引入可以有效解決重采樣算法造成的粒子匱乏現(xiàn)象，本文在此基礎(chǔ)對(duì)遺傳算法中

3、的選擇、變異操作進(jìn)行了改進(jìn)，提出了一種改進(jìn)遺傳重采樣粒子濾波算法。
　　 多模型算法是一種自適應(yīng)機(jī)動(dòng)目標(biāo)跟蹤算法，變結(jié)構(gòu)多模型算法采用時(shí)變模型集合來匹配目標(biāo)的運(yùn)動(dòng)，可以有效解決固定結(jié)構(gòu)偏多模型算法中存在的不足，本文對(duì)這兩種算法進(jìn)行對(duì)比仿真分析。有向圖切換算法是一種改進(jìn)的變結(jié)構(gòu)算法，本文對(duì)有向圖切換算法進(jìn)行簡(jiǎn)化，并與改進(jìn)的帶多重時(shí)變漸消因子UKF算法相結(jié)合，提出了基于改進(jìn)的帶多重時(shí)變漸消因子UKF的簡(jiǎn)化有向圖切換多模型算法。