卡尔曼滤波在目标跟踪中的应用_第1页
卡尔曼滤波在目标跟踪中的应用_第2页
卡尔曼滤波在目标跟踪中的应用_第3页
卡尔曼滤波在目标跟踪中的应用_第4页
卡尔曼滤波在目标跟踪中的应用_第5页
已阅读5页，还剩2页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、卡尔曼滤波在目标跟踪中的应用摘要机动卡尔曼算法(VD算法)在扩展卡尔曼滤波诸算法中原理较为简单，目标跟踪效果也较好一模型建立（） 非机动模型（匀速直线运动）系统模型其中 ; ; ; ; 。测量模型为:;其中 ;为零均值,协方差阵为白噪声,与不相关。（） 机动模型系统模型其中;, 。观测模型与机动模型的相同,只是矩阵为,二kalman滤波算法作为一般的kalman滤波算法其序贯算法可以描述如下：起始估计值为起始估计的估计误差为起始估计的估计误差协方差矩阵为三VD算法描述VD算法采用两种模型,即非机动模型和机动模型,无机动时滤波器工作于正常模式(低阶模型),用一机动检测器监视机动,一旦检测到机动,

2、模型中立即增加一个状态变量,用机动模型跟踪直至下一次判决而退回到正常的非机动模型，由于采用机动的VD算法，因此涉及到的一个关键环节就是机动检测问题。滤波器开始工作于正常模式,其输出的新息序列为,令 ; 其中,是的协方差矩阵.取作为检测机动的有效窗口长度,机动检测的方法为:如果 ,则认为目标在开始有一恒定的加速度加入,这时目标模型应由低阶模型转向高阶模型。由高阶机动模型退回低阶非机动模型的检测方法是检测加速度估计值是否有统计显著性意义。令 ; 其中是加速度分量的估计值,是协方差矩阵的对应块,如果 则加速度估计无显著性意义,滤波器退出机动模型。 前面提到了起始状态的初始化，下面讲一下当检测到机动时

3、，滤波器的初始化问题。当在第K次检测到机动时,滤波器假定在开始有一恒定的加速度,在窗内的状态估计应修正如下:首先,加速度在的估计为 ; 。是对测量的预测值, ; ;在的位置估计为: ; ;在的速度估计为: ;协方差矩阵修正为: 四仿真实验假定有一二座标雷达对一平面上运动的目标进行观测，目标在0-400秒沿着y轴作恒速直线运动，运动速度为-15米/秒，目标的起始点为(2000米,10000米)，在t= 400-600秒向轴x方向做的慢转弯，加速度为0.075米/秒，完成慢转弯后加速度将降为零，从t=610秒开始做90度的快转弯，加速度为0.3米/秒，在660秒结束转弯，加速度降至零。雷达扫描周期T=2秒，X和Y独立地进行观测，观测噪声的标准差均为100米。描述如下：其中，程序算法中各参数为:加权衰减因子, 机动检测门限; 退出机动的检测门限;在跟踪的开始,首先采用非机动模型,从第20次采样开始,激活机动检测器。通过上图，可以看到：VD算法有4次机动,分别对应目标的2次加速运动,和2次匀速运动,符合目标真实轨迹变化。只是在模型出现机动的时候,会出现大的误差。在模型的调整过程中,可以明显发现:机动检测门限,退出机动的检测门

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论