單機動目標(biāo)跟蹤算法研究.pdf

1、單機動目標(biāo)跟蹤算法的關(guān)鍵是濾波算法，在濾波算法中又分為線性濾波和非線性濾波。在線性濾波算法中，機動目標(biāo)運動模型是關(guān)鍵因素。最終的跟蹤精度完全由機動目標(biāo)運動模型和濾波算法決定。本文在分析幾種基本機動目標(biāo)運動模型的基礎(chǔ)上，提出了采用小波神經(jīng)網(wǎng)絡(luò)對當(dāng)前統(tǒng)計模型進行修正的算法，提高了該算法的精確度。在非線性濾波算法中，本文重點對非線性濾波算法中的擴展卡爾曼濾波算法和粒子濾波進行了對比，用仿真的方法驗證了粒子濾波算法優(yōu)于擴展卡爾曼濾波算法。本研究

2、內(nèi)容如下:
　　 ⑴小波去噪的方法有多種，Mallat在文獻中提出了多分辨分析的概念，并給出了小波分解與重構(gòu)的快速算法，即Mallat算法。分解重構(gòu)法的優(yōu)點是算法簡單明了，計算速度快。在利用該算法的基礎(chǔ)上，分別比較了Haar小波、Daubechies小波、coiflets小波、Symlets小波和Biorthogonal小波在用于機動目標(biāo)跟蹤時的去噪性能。同時也比較了小波閾值去噪算法。
　　 ⑵在機動目標(biāo)運動模型研究方面

3、，針對當(dāng)前統(tǒng)計模型中機動頻率這一參數(shù)的變化對跟蹤精度的影響，通過采用自適應(yīng)改變機動頻率的方法提高了當(dāng)前統(tǒng)計模型的精度。在具體算法中，采用離線訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)實時對機動頻率進行調(diào)整。采用小波作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元構(gòu)建的小波神經(jīng)網(wǎng)絡(luò)，同時具有小波和神經(jīng)網(wǎng)絡(luò)的優(yōu)點，可以克服普通神經(jīng)網(wǎng)絡(luò)構(gòu)建的盲目性。本文根據(jù)小波神經(jīng)網(wǎng)絡(luò)逼近原理，采用Morlet小波，Mexican hat小波和DOG小波作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，構(gòu)建了相應(yīng)的Morlet小波神經(jīng)