機(jī)動(dòng)目標(biāo)跟蹤技術(shù)的研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代戰(zhàn)爭(zhēng)環(huán)境發(fā)生了巨大變化。日趨復(fù)雜的戰(zhàn)爭(zhēng)環(huán)境和各種新式武器的不斷涌現(xiàn)給目標(biāo)跟蹤帶來(lái)了巨大的挑戰(zhàn)。因此，各種新的技術(shù)不斷被應(yīng)用到目標(biāo)跟蹤中來(lái)以適應(yīng)更加復(fù)雜的環(huán)境。而目標(biāo)跟蹤中的一個(gè)核心部分就是濾波算法，本文重點(diǎn)研究了卡爾曼濾波算法。 本文首先介紹了目標(biāo)跟蹤的基本原理，重點(diǎn)分析了基于卡爾曼濾波的經(jīng)典跟蹤方法。通過(guò)一系列的仿真，一方面了解到卡爾曼濾波精度明顯高于其他算法濾波精度；另一方面可以得知“當(dāng)前”統(tǒng)計(jì)模型的

2、跟蹤精度取決于事先確定的加速度的上下限和以及機(jī)動(dòng)頻率，同時(shí)由于卡爾曼濾波算法固有的缺陷也影響了濾波精度。針對(duì)卡爾曼濾波算法固有的缺陷，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的卡爾曼濾波(ANNKF：Artificial Neural Network Kalman Filter)算法。 其次，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了詳細(xì)介紹，并針對(duì)其不足，介紹了改進(jìn)方法。通過(guò)仿真了解到：①BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自組織、自學(xué)習(xí)和非線性逼近能力：②經(jīng)過(guò)訓(xùn)練達(dá)到允許誤