機動目標(biāo)跟蹤系統(tǒng)自適應(yīng)卡爾曼預(yù)測技術(shù)研究.pdf

1、長春工業(yè)大學(xué)碩士學(xué)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(biāo)機動性能逐漸趨于智能化、自動化，所以現(xiàn)代化目標(biāo)追蹤技術(shù)已經(jīng)成為各國軍事應(yīng)用的熱點話題。本文主要研究了目標(biāo)追蹤的過程，從獲取目標(biāo)圖像、經(jīng)算法分析、理論建模等方面對機動目標(biāo)跟蹤技術(shù)進(jìn)行了研究，論文的主要工作有：分析了目標(biāo)追蹤圖像獲取方法，在獲取運動軌跡的基礎(chǔ)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(biāo)的非線性運動軌跡進(jìn)行濾波，介紹了幾種常用的卡爾曼濾波，并對其進(jìn)行了分析研究，經(jīng)仿真驗證后對目標(biāo)運動軌跡的預(yù)測進(jìn)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(biāo)的運動軌跡預(yù)測過程進(jìn)行了建模，首先對目標(biāo)預(yù)測跟蹤過程的當(dāng)前統(tǒng)計模型理論和目標(biāo)自適應(yīng)算法進(jìn)行了介紹，分析了它們的自身特性，發(fā)現(xiàn)用當(dāng)前統(tǒng)計模型對目標(biāo)進(jìn)行追蹤過程中由于目標(biāo)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(biāo)的變化進(jìn)行調(diào)整，導(dǎo)致當(dāng)前統(tǒng)計模型對機動目標(biāo)的預(yù)測能力比較低，難以達(dá)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(yīng)算法，建立模型仿真驗證了當(dāng)目標(biāo)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(dāng)前統(tǒng)計模型的運動加速度時，當(dāng)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(biāo)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(yīng)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(jìn)行修正。并且本文利用時變的漸消因子的調(diào)節(jié)對加速度進(jìn)行修正以增強算法在目標(biāo)加速度突變的情況下的跟蹤能力。最后結(jié)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(biāo)運動進(jìn)行了預(yù)測估計，并進(jìn)行了仿真實驗，得到了良好的目標(biāo)跟蹤效果，驗證了本文的模型與算法的可行性。關(guān)鍵詞：機動目標(biāo)跟蹤非線性濾波算法當(dāng)前統(tǒng)計模型自適應(yīng)跟蹤算法長春工業(yè)大學(xué)碩士學(xué)位論文accelerationextremismfadingfac

5、torregulatingtheAnalysisandsimulationverifiedwhenthetargetmaneuverwiⅡltheexistenceoftheweakmaneuveringandnonmaneuveringmotion，simultaneouslyalsohastheeffectofimprovedtrackingalgorithmfortargetmaneuveraccelerationmutation

6、ofthesituationandwitllthetraditionalcurrentstatisticalmodelandtheimprovedalgorithmhascarriedonthecomparativeanalysisofliteratureFinallycombiningthefiltermethodandmodelingtheorymentionedabovewerepredictedtoestimatetheoccl

7、udedtargetmovementsituation，andhascarriedonthesimulationexperiment，verifiedthefeasibilityofthemodelandalgorithminthispaperKeywords：ManeuveringtargettrackingNonlinearfilteringalgorithmCurrentstatisticalmodelAdaptivetracki