目標(biāo)跟蹤的算法研究.pdf

1、在眾多領(lǐng)域，比如軍事上的戰(zhàn)場監(jiān)視、防空系統(tǒng)，民用上的交通管制、機(jī)器智能、醫(yī)療器械，目標(biāo)跟蹤都是一個(gè)基本的或重要的問題。隨著應(yīng)用的推廣，各種新的技術(shù)被應(yīng)用到目標(biāo)跟蹤中來適應(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)研究了一般的卡爾曼(Kalman)濾波，擴(kuò)展Kalman濾波(EKF：Extend Kalman Filter)，粒子濾波，和基于這些濾波算法的交互式多模型(IMM：Interacting：Multiple

2、 Model)目標(biāo)跟蹤技術(shù)。 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Kalman濾波(包括EKF)的經(jīng)典跟蹤方法。通過建立相應(yīng)的模型仿真了解到，基于EKF的跟蹤方法對于線性或者弱機(jī)動(dòng)性的目標(biāo)有很精確的跟蹤性能，但是在強(qiáng)非線性或者高度機(jī)動(dòng)性的目標(biāo)的情況下的跟蹤性能會(huì)下降。同時(shí)，對于多維狀態(tài)的跟蹤系統(tǒng)，EKF中的雅克比矩陣計(jì)算會(huì)很復(fù)雜也很困難。針對Kalman濾波中的問題，本文介紹了近幾年比較流行的粒子濾波，通過和Kal

3、man濾波的仿真實(shí)驗(yàn)，發(fā)現(xiàn)粒子濾波在強(qiáng)非線性或者高度機(jī)動(dòng)性的目標(biāo)的情況下的跟蹤性能要優(yōu)秀。但是由于粒子濾波的算法原理，它的計(jì)算量很大。最后本文研究了針對機(jī)動(dòng)目標(biāo)的IMM算法，提出了多速率交互式多模型粒子濾波器(MRIMMPF：Multi-rate IMM Particle Filter)算法和交互式多模型．Kalman-粒子濾波器(IMMK-PF：IMM Kalman-Particle Filter)算法。前者在交互式多模型粒子濾波器(