小波粒子濾波算法在機動目標(biāo)跟蹤中的應(yīng)用.pdf

1、單機動目標(biāo)跟蹤算法的關(guān)鍵是跟蹤模型和濾波算法，機動目標(biāo)模型主要有: CV、CA模型、Singer模型、“當(dāng)前”統(tǒng)計模型、轉(zhuǎn)彎模型(Coordinate Turn model)等。濾波算法主要有標(biāo)準(zhǔn)卡爾曼濾波、擴展卡爾曼濾波器、Unscented卡爾曼濾波(UKF)，以及近來提出了基于Bayes理論的粒子濾波器(Particle filter)等。濾波算法通常又可分為線性濾波算法和非線性濾波算法。在線性濾波算法中，機動目標(biāo)運動模型是關(guān)鍵因

2、素。特別是對于卡爾曼濾波算法之類的方法。只有模型比較好的匹配了，才能使算法的盡快收斂，才能盡可能的提高跟蹤的精度。
　　 在本文的第三章重點研究了粒子濾波算法的理論，粒子濾波是從貝葉斯估計的方法中進化而來，在應(yīng)用中主要的問題是粒子的退化問題，在實際的應(yīng)用中采用重采樣的方法進行優(yōu)化，有學(xué)者提出了各種改進的粒子濾波算法，文中主要介紹了輔助粒子濾波(APF)、正則粒子濾波、擴展卡爾曼粒子濾波。結(jié)合粒子濾基本理論與單機動目標(biāo)跟蹤的過程，

3、闡述了粒子濾波在單機動目標(biāo)跟蹤中的應(yīng)用原理。最后將粒子濾波算法與擴展卡爾曼濾波算法進行了仿真分析和對比。結(jié)合彈道導(dǎo)彈再入段過程機動運動模型，對于粒子濾波的一些改進算法與標(biāo)準(zhǔn)粒子濾波進行了仿真驗證。
　　 在本文的第四章重點研究了小波分析的基礎(chǔ)理論，分析了其本身的特性以及其在信號去噪方面的優(yōu)越性能，結(jié)合粒子濾波在目標(biāo)跟蹤實際應(yīng)用中，在采樣粒子時往往存在所采樣粒子與待估計狀態(tài)的后驗概率偏差較大的情況，因此將小波算法應(yīng)用于機動目標(biāo)跟蹤