雷达机动目标跟踪技术

1绪论1.1课题背景及目的目标跟踪问题实际上就是目标状态的跟踪滤波问题，即根据传感器已获得的目标量测数据对目标状态进行精确的估计[1]。它是军事和民用领域中一个基本问题，可靠而精确地跟踪目标是目标跟踪系统设计的主要目的。在国防领域，目标跟踪可用于反弹道导弹的防御、空防预警、战场区域监视、精确制导和低空突防等。在民用领域，则用于航空和地面交通管制、机器人的道路规划和障碍躲避、无人驾驶车的跟踪行驶、电子医学等。作为科学技术发展的一个方面，目标跟踪问题可以追溯到第二次世界大战的前夕，即1937年世界上出现第一部跟踪雷达站SCR-28的时候。之后，许多科学家和工程师一直努力于该项课题的研究，各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日趋完善。运动目标的机动会使跟踪系统的性能恶化，对机动目标进行跟踪是人们多年来一直关注的问题。随着现代航空航天技术的飞速发展，机动目标在空间飞行的速度、角度、加速度等参数不断变化，使得目标的位置具有很强的相关性，因此，提高对这类目标的跟踪性能便成为越来越重要的问题，迫切需要研究更为优越的跟踪滤波方法。机动目标的跟踪研究，已成为当今电子战的研究热点之一。今天，精密跟踪雷达不仅广泛应用于各类武器控制和各类实验靶场，而且还广泛应用于各种空间探测、跟踪和识别领域，以及最先进的武器控制系统。跟踪模型和匹配滤波是机动目标跟踪的两个关键部分，机动目标的精确跟踪在过去和现在都是一个难题，最根本原因在于跟踪滤波采用的目标动力学模型和机动目标实际动力学模型不匹配，导致跟踪滤波器发散，跟踪性能严重下降。本文将机动目标作为研究对象，从目标的运动建模和匹配滤波算法入手，提出或修正跟踪算法，从而实现对机动目标的精确跟踪。1.2机动目标跟踪技术及其发展状况目标机动是指运动当中的目标，其运动方式在不断地发生变化，从一种形式变化为另一种形式，目标的运动可能从匀速到变速，也可能送直线到转弯，它的运动方式并不会从一而终。通俗地说，就是“目标速度的大小和方向发生变化”。一般情况下，机动目标跟踪方法概括来讲可以分为以下两类：具有机动检测的跟踪算法和无需机动检测的自适应跟踪算法。机动目标的跟踪需要综合运用统计决策、滤波算法以及其它的数学方法，将传感器所接受到的信号数据进行处理，得到目标的位置、速度、加速度等估计信息。图1.1给出了机动目标跟踪的基本原理图。图1.1机动目标跟踪基本原理图对于机动目标跟踪来说，所面临的主要挑战是两种离散的不确定性：量测起源的不确定性和目标运动方式不确定性。量测起源的不确定性是指由传感器系统提供的量测数据可能是外部的干扰数据，它有可能是由杂波、虚警和相邻的目标所引起的，也可能是被跟踪目标的对抗系统所主动发出的虚假信息。目标运动方式的不确定性是指目标在未知的时间段内可能作已知的或未知的机动。一般情况下，目标的非机动方式以及目标发生机动时所表现出的不同机动形式都可以通过数学模型来加以描述。机动目标跟踪过程中，采用不正确的目标运动模型会导致跟踪系统的跟踪性能严重下降。本文的重点是如何处理目标运动的机动以及对其的跟踪问题。机动目标跟踪模型现代跟踪系统一般都采用类似卡尔曼滤波的迭代算法，因此对机动目标进行建模就显得尤为重要。机动目标模型是机动目标跟踪与预测的基本要素之一，也是一个关键而又棘手的问题。早期，人们在构造目标运动建模时，由于缺乏有关目标运动的精确数据及存在许多不可预测的现象，一般认为目标作匀速直线运动，而随机加速度常常被看成是具有随机特性的扰动输入，并假定其服从零均值的高斯白噪声分布，这时，建立在线性无偏、最小均方差准则下的递推的卡尔曼滤波算法可直接使用。然而，当目标发生诸如拐弯或躲避等机动动作时，上述假定则不尽合理。由于目标的动力学特点及目标性能限制，使得机动具有一定的相关性。对机动目标建模不仅是滤波器的重要组成，也是从运动学机理上解决目标机动的方法[2]。1、基于直线运动的机动目标模型微分多项式模型笛卡尔坐标系中，若用来表示目标在时刻的位置，则其运动轨迹可以用多项式来逼近。尽管用多项式逼近目标运动轨迹，其近似性好，但对跟踪系统来说并不合适，因为跟踪系统所要求的是对目标运动状态的估计，而不是轨迹曲线的拟合和平滑。句匀速（辉CV冒）套和匀加速（糊CA外）模型艘CV吊和赶VA株模型将目标击的运动先验猜地定义为匀游速或匀加速揉运动，机动寄被看做是一联种随机的输统入，其大小穗体现在过程锁噪声的协方括差矩阵中。增当目标无机慧动，即目标包作匀速或匀洞加速直线运竞动时，可分拘别采用二阶型CV累或三阶赖CA团模型付[斑3败]冰。则时间相关模桨型（悦Singe艳r遇模型）渠机动目标建做模问题的本挽质是如何准须确聋地衰描述加速度事。顶对于处于一长般机动情况票下的运动尤目标，均可凝采用二阶系牢统一阶时间诊相关模型很滴好地描述凯[找4狱]超。该模型形羽式简单，只庙比CA模型拼多了一个表纯述机动频率侦的量，对于珍匀速和匀加百速范围之间宣的目标机动锤，有很好的为描述能力。隐Jerk模资型夏Jerk是景目标加速度裹的导数，对驼于机动性的群运动目标，觉利用目标的减Jerk描辽述目标机动歉更为方便。脏K.Meh格rotra很指出，各种祥机动目标模进型在跟踪复驰杂机动时性佳能不佳的主院要原因是状黎态向量的导饿数阶数不足征[妨5鸦]守。为此，在眉目标机动模弱型的状态分滨量中加入了扑目标位置的腰三阶导数，增及加速度的煌变化率或J壁erk。棚2、括基于圆周的谎机动目标模雀型皂(1)秩圆周模型让1992漏年，色Watso安n息和唤Blair跪提出了圆周忽模型，该模倡型将目标的还运动近似为躁匀速圆周运送动，根据角休速度、加速溉度和速度之箱间的运动学肾关系，可以负将目标的圆夺周运动包含北在一个以角脉速度季为参数的转存移矩阵中曲[6]陪。该模型是啄用圆弧代替熊直线来近似痒采样周期内杆的目标运动割，当采样周姐期趋于零时倘，该模型与享CV睡模型的形式显一致。析(2)减弧线模型垄Best现和妹Norto酒n驶设目标法向岔加速度的变倘化率远远小航于切向速度叮的变化率，妹推出弧线模喊型沟[7]杠，该模型的湿转移矩阵与雁匀速圆周运征动的转移矩悬阵相同，但暂多了切向加乒速度，是更简一般的弧线角情况。挪(3)锋Helfe径rty废模型糠Helfe定rty理将泛Singe淹r弊建模的思想丈推广到圆周衡运动，提出最Helfe德rty释模型槽[8]款。该模型假菊设目标加速乖度柳在秃、绝轴上的子分量彼此独吩立，其转弯赔的角速度旨均匀分布于病，并假设加不速度指数相寿关。但该模保型需要增广哀三个状态变抽量，维数太过大，相应计旺算量大。齿雨机动目标轮跟踪中的状叙态估计歇技术腿20暖世纪课40高年代，迁Kolmo毁gorov争和勾Wiene输r切等提出了平佩稳随机过程滤的最优线性运滤波问题，福首先实现了投动态估计，课其主要结果渠及时通过膜Wiene闯r抖—顷Hopf酿方程求出滤谎波器的最优毙传递函数。责这种最优线肉性滤波，通绒常称为维纳咳滤波（藏Wiene驾rfil逢terin海g撑）。维纳滤潮波具有完整夜的滤波器传雹递函数的解帐析解，并可乖以估计与有番效信号相关缝的多种信息雁。但维纳滤喜波要求被估申计量和量测毫必须是平稳规的随机过程点，且工程上吵不宜实现。徐针对维纳滤解波在应用上欲的缺点，卡顽尔曼滤波算居法提供了比份较好的解决衡办法。卡尔停曼滤波采用朱目标的状态句空间描述方紫法，能方便鹊地引入模型帜的过程噪声北，从而不需呈要待估计的析状态在数据点的采样期间唯保持常数。刑在卡尔曼滤既波的基础上艰，亮Bar-S剖halom丑认为当数据录的概率分布橡具有券“块长拖尾田”夕现象时，使住用最大似然伤估计铁(MLE)胸要远比最小跃方差估计的斗精度高。因浮此，当在跟淡踪过程中，召数据关联不加准确，或者岸量测数据出陈现强烈色噪课声时，可以探考虑使用基疏于最大似然寄估计的方法座来估计目标不的状态。锡Moose鼻给出了一种理实时最大似耀然估计算法弱，目标的机纯动和非机动遮能实时地检绒测出来，而晓在这两种状况态之间切换乏时，前一状隐态可以为后矩一状态提供烛有效地初始格值。躬扩展的卡尔迟曼滤波器是羞线性系统卡质尔曼滤波器沟在非线性系序统中的一种踢直接而又自驰然地推广，蜂它是基于非筒线性对象的棕近似线性化匠模型进行设匆计的，也得敞到了广泛显的务应用。阿瑞机动目标扁跟踪方法忆机动目标跟认踪算法可以忘分为两类：掌单模型算法谣和多模型算捉法。在单模蝶型算法中，禁一个滤波周角期内有且仅义有一个设定警的目标运动税模型盟；多模型机回动目标跟踪父算法是指在确一个滤波周若期内村子多掏个不同目标舱运动模型的涨滤波算法，屡算法整体状谁态估计通常痕为各滤波器狡状态估计的盛组合。努1.3本云论精文的主要工喂作勉本论文的垮研究播工作是在已链有理论方法购的基础上，铁对机动目标缓跟踪技术进共行深入研究袖。匆本文贯包括以下主扣要内容。任1、概述机代动目标跟踪咳技术发展状包况。续2、介绍雷犬达系统模型脑，重点讨论乳一般雷达系畏统量测方程沾和状态方程销的建立。撤3、详细介贤绍了雷达的违目标跟踪算往法晌—售卡尔曼滤爪波算法。鉴秧于要实现对桑机动目标的严有效跟踪，辟因而对基于栏机动检测的况跟踪算法进根行研究。蔽4、论文重鸦点对MAT烘LAB仿真肺的流程以及箭实验结果进婆行了介绍与炭分析。数5、对主要农工作进行总驳结，给出进淹一步研究的玉建议和设想迹。系统模型挠雷达蛮目标跟踪的洞基础是估计菜理论，它要站求建立系统撑模型来描述康目标动态特僚性和雷达量掀测过程。状标态变量法是水描述系统模天型的一种很舌有价值的方遗法，其及所定义的状饭态变量应是镇能够全面反口映系统动态叉特性的一组叶维数最少的匆变量挂[9]理，该方法把对某一时刻的晨状态变量表稿示为前一时伯刻的状态变烛量表示为前凯一时刻状态辜变量的函数水，系统的输毙入输出关系笼是用状态转抄移模型和输甘出观测模型疏在时域内加骄以描述的。壁状态反映了籍系统的急“害内部条件者”扰，输入可以竟由确定的时卵间函数和代停表不可预测缠的变量或噪偿声的随机过滩程组成的状论态方程来描职述，输出是往状态向量的翠函数，通常被受到随机观股测误差的扰勉动，可由量陷测方程描述瓜。状态方程娘和量测方程离之间的关系树如图京2.1串所示。轰图2.1樱滤波问题的危图解说明状态方程恭状态方程声是目标运动搅规律的假设尺，例如假设伍目标在平面也内做匀速直播线运动，则柳离散时间系针统下就时刻嫁的状态卖可表示为坦奉慕玻匆获结萍允岔湾灿元(鞭2秋.1)遣万弄卧随按勾朗屑机赚嚼摄(档2丸.2)出式中，朵为初始时刻鞭目标男的位置，调和递分别为目标茫在乔轴和堂轴的速度，墙为采样间隔废。翁式（吐2枕.1）和式兔（剩2骑.2）用递厨推形式可表估示为掩据塌貌旧慌燕坡艇荐尾联约（逝2与.3）滨愁龄等猴蓄杯码调蓄隐痕（江2问.4）异目标视状态方程用心矩阵形式可盯表示为穴起兵助聚泳救拥狸悬单存设际（三2耻.5）判式中，莫状态向量浸和系统状态徒转移矩阵耽分别为熄恭钢横奔来（宾2靠.6）糟往据饭减悔朝(猪2孟.7)框若假设趟目标舞在平面内做拳匀加速直线态运动，则目严标的状态(方，苗)用递推形六式可表示为登玉杰倒截愉闸倚拘葱（尾2姻.8）激狮乱胸遵煤梦共（慕2闯.9）起目标配状态方程用脚矩阵形式仍键可表示为乓库膏物废环己称忆（类2垃.10）式中，责软浸惩街径（出2市.11）初绣按派管房(输2至.12)听状态向量维搞数增加估计晶会浓更准确，但隙估计的计算澡量也会相应筒地增加，因带此在满足模惜型的精度和拆跟踪性能的丈条件下，尽摊可能地采用纺简单的数学轧模型。考虑分不肯能获得廊目标精确模文型以及许多诚不可预测的捉现象，所以丙这里要引入萝过程噪声。叠考虑到目标雪运动过程中挪有可能有控沸制信号，所洗以目标状态拦方程的一般萌形式可表示奏为识晚刃构舟（姿2眠.13）今式中，舒为输入控制浙项矩阵，躁为已知输入旦或控制信号贯，订为过程噪声黄序列，通常蚕假定为不零均值的附酒加高斯白噪僵声序列，且胆假定过程噪阻声序列未与量测噪声知序列及目标汉初始状态时献相互独立的咐。量测方程欧量测方程汪是雷达测量站过程的假设辞，对于线性邮系统而言量金测方程可表利示为慧悲驾终霜臭迹淹猛擦惰板（铲2会.14）薄式中，将为量测向量弯，差为量测矩阵疫，哄为状态向量瓶，蛋为量测噪声谣序列，一般食假定其为零陶均值的附加脖高斯白噪声鼻序列。市当在二维平车面中以匀速抖或匀加速运耕动乎的等目标进行建浓模时，对应趟的状态向量游可仇分别用式（筛2拿.6）和式暑（列2悠.1叮1砖）表示，此邀时这两种情奴况下的量测暮向量草均为讽械雪逆喊迫捐（浴2披.15）拆而量测矩阵筐分别为顷劈乞脉恩究（隆2点.16）乞面墓包有（锋2右.17）必2.3小稀结姥那本章重点介良绍了雷达数踩据处理的系盟统模型，其烈状态方程和叼量测方程陆。状态变量辣法是描述系涂统的一种很业有价值的方捆法。状态方选程描述了由筛确定的时间蚊函数和代表挡不可预测的飞变量或噪声娃的随机过程读的输入关系鸭；量测方程恼描述了输出伯的关系。状圾态方程和量龄测方程的确贱定为后面进灾行目标跟踪靠算法的分析降奠定了基础家。誓3目标梨跟踪算法疑机动目标腾跟踪算法概垂括来讲可以沙分为以下两洪类：具有机贩动检测的跟忆踪算法；无晴需机动检测妙的自适应跟油踪算法。本慰论文中重点雨介绍卡尔曼兆滤波催器壁[10]友和具有机动摸检测的跟踪搭算法少——套变维滤波器笛[11]殖。畅3.1各卡尔曼滤乓波器沟在桑状态估计中茄，位置参数破是个时间函罚数，因此在宅对观测数据翅进行处理时砖，未知参数稼和观测渡数据的时间沿演变都必须孤加以考虑。愤卡尔曼滤波跨器适用于有掘限观测间隔猾的非平稳问晚题，是适合膜于计算机计恐算的递推算总法，在状态视估计中得到制了广泛地应刺用。滨叶系统模型屑状态变量法粒是描述动态张系统的一种福很有价值的抱方法，采用梅这种方法，踏系统的输入脂输出关系是踩用状态转移参模型和输出偷观测模型在吓时域内加以衰描述的。输连入可以由确驳定的时间函南数和代表不牺可预测的变贱量或噪声的承随机过程组预成的动态模衫型进行描述垒，输出是状鹊态向量的函丰数，通常受妻到随机观测谷误差的扰动案，可由量测魄方程描述。述离散时间系且统的动态方朗程（状态方专程）可表示真为昨沸馆巾床也祥虹持彻烧（3.1航）宵式中善，免为状态转移沾矩阵；绩为状态向量浩；滋为输入控制毁项矩阵；纠为已知输入悠或控制信号政；熊是零均值、糊白色高斯过薯程噪声序列角，其协方差执为勤；如果过程踪噪声忙用踏代替，则旷变为置，页为过程噪声肆分布矩阵。献全六登灶把臭继治勾被孙（嘴3.2）译式中，绢为Kron肾ecker贡Delt抗a函数，该晚性质说明不渡同时刻的过般程噪声是相限互独立的。聪离散时间系水统的量测方段程为抢妖莫甘递归伞备滤（3.3）掉式中，淡为量测矩阵涛，拾为具有协方垫差群的零均值、亲白色高斯量绩测噪声序列龟，即堡坛柿乱眉服（3令.4）避该性质说明畏不同时刻的计量测噪声也污是相互独立火的。团上述离散时茧间线性系统汽也可由图贸3.1半的框图来表脏示，该系统盛包含了如下能先验信息：旁初始状态献是高斯的，眨具有均值落和协方差桨；喂初始状态与武过程噪声和酬量测噪声序乔列不相关；馒过程噪声和雀量测噪声序搜列互不相关斯。烤图3.1郑离散时间线透性系统欧在上述假定陆条件下，状秤态方程[见黄式(3.1蔑)]和量测环方程[见式月(3.3)鸭]的线性性防质可保持状休态和量测的遮高斯性质。喉根据已知的腰时刻和办以前时刻的较量测值对更时刻的状态羡做出某种估养计，记为键，则按照状柴态估计所指佣的时刻，估镇计问题可归膏纳为以下三阅种郊：勾当搅时，是滤波判问题，沸为岗时刻状态追的滤波值；尚当碌时，是滤波悬问题，激为即时刻状态予的预测值；比当增时，是滤波慈问题，牛为愁时刻状态适的平滑值；骄沿滤波模型秩动态（时变窗）情况下的蠢最小均方误屈差估计可定铺义为脂互距减叹蚕茂（3.5俊）式中，问订连尝奔隐（3秩.6）击与式（3.匆5）相伴的缝状态误差协绩方差矩阵定活义为晚（3黑.7）添把以买为条件的期悟望算子应用颜到式（3.房1）中，得及到状态的一笨步预测为财归(觉3.8)剥预测值的误捕差为吩扰重偏（肠3.9）渡一步预测协籍方差为陕菠耳蛾（3.1盒0）散注意：一步滨预测协方差将为对称阵，介它可用来衡厅量预测的不却确定性，镜越小则预测略越精确。毁通过对式（阔3.3）取勿在款时刻、以谈为条件的期娇望值，可以笔类似地得到喇量测的预测毯是滨们捧（3.11石）说进而可求得长量测的预测咸值和量测值棉之间的差值捕为童目劳处（3.12悟）掩量测的协方估差（或翼新拢息协方差）栗为笛（3.1衡3）峡注意：新息突协方差演也为对称阵它，它是用来哑衡量信息的蒸不确定性，辉新息协方差齿越小，则说绞明量测值竿越精确。慌状态和量测口之间的协方增差为挤（3.1铺4）增益为替许邪阁（3哭.15）误进而，可求赌得蒜时刻的估计俩（状态更新蹈方程）为食验励支潜(3猪.16)伞式中，瑞为新息或量垂测残差，即果纵跃记着纠（3.1壶7）看式（3.1刑7）说明皆时刻的估计移等于该时刻尖的状态预测无值呈再加上壳一个修正项岁，而这个修旨正项与增益万和新息有关饥。猜协方差更新拒方程为说眼（3.1蠢8）芬图祥3.2迁给出了卡尔获曼滤波器所衡包含的方程概及滤波流程辅。旦该图也是本叙论文静态滤压波的主要设围计流程。组怕卡尔曼滤槐波器的初始抬化抚本节讨论状阀态估计的初矮始化问题是撕运用卡尔曼钟滤波器的一势个重要前提浩条件，只有授进行了初始牲化，才能利毁用卡尔曼滤泻波器对目标锡进行跟踪。挠1、病平面内四维跟状态向量估股计的初始化捕对平面内雷尽达的数据处至理问题，此放时系统的状饮态向量若表铸示为挽，楼而许直角坐标系泼下的量测值耻为据火魂策量哲（3扒.19）亮式中，常和辱分别海极坐标系下亦雷达的目标异径向距离和骄方位角测量畜数据。则系裳统的初始状新态可利用前王两个时刻的胆测量值裕和帽来确定铅，即卡携既剧榨烧（3.劫20）卸图3.2叔卡尔曼滤钟波器算法框而图帆时刻量测噪境声在直角坐私标系下的协只方差为术党滑含盛传剧（3.21古）旦式中，呆和敲分别为径向翠距离和方位诉角测量误差狐的方差，而味冤洞港待交煎团斩屋碍峰钞（坑3.22）共由量测噪声泥协方差的各馆元素可得诸四维状态向剩量情况下的洒初始协方差乒矩阵为排经遥俩(3.2剑3)凭并且滤波器送从挨时刻开始工爱作。斗2、曾平面内六维蝇状态向量估钱计的初始化碗该情况下系消统的状态向适量若表示为旨，则此时直才角坐标系下耗的目标量测晚值扮、量测噪声辞协方差槐仍和四维情役况相同。湿由于此时含好加速度，所况以系统的初贴始状态需利幕用前三个时聚刻的测量值助、后和鹿确定，即碗组笨燥移(3.24醉)栽初始协方差售矩阵为原兼良付称辅静塑黑(3.25季)义式中，震、泪和全为分块矩阵踪，且爽夫（3.谣26）袍并且滤波器朗从念时刻开始工哀作。盘3.2具抬有机动检测像的跟踪算法毫所谓目标的奸机动检测，笑其实质上是升一种判别机苹制，它是利煮用目标的量池测信息和数援理统计的理鸟论进行检测烂。具有机动盆检测的跟踪钥算法的基本为思想是，机昨动的发生将脖使原来的模编型变差，从闪而造成目标捏状态估计偏勒离真实状态乞，滤波残差蹲特性发生变南化。因此，爪人们便可以苏通过观测目艘标运动的残诸差变化来探示测目标是否丘发生机动或拌机动回结束融，然后使跟势踪算法进行丝相应的调整链，即进行噪蚁声方差调整详或模型转换恒，以便能够贸更好地跟踪常目标。污图捞3.蔑3匙为这类机动谨目标跟踪算析法的基本原肯理图。从图减中我们可以萍看出：首先曲由量测辅与状态预测霸构成新息向陕量瓦，然后通过拐观察廉的变化进行坏机动检测，候最后按照某先一准则或逻眉辑调整滤波日增益或者滤蝴波器的结构谜，从而达到据对机动目标幅的跟踪经[12]裙。慨本节逼重点介绍变兆维滤波算法鄙（VD算法费）立[13]籍。荡图3.3累机动目标跟羽踪基本原理禾图骗变维谅滤波算法是郑由Bar-闪Shalo霞m和Bir隔miwal谅于1982映年提出来的财，该方法不丝依赖于目标糖机动的先验销假设，把机辟动看做目标假动态特性的谦内部变化，透而不是作为稳噪声建模。直检测手段采牢用平均信息溜法，调整方姥式采用匀“挡开关牌”胳型转换，在惨没有机动的才情况下，跟营踪滤波器采职用原来的模泳型，一旦检协测到机动，便滤波器就要绕使用不同的弊、具有较高串维数的状态蓄量测，新的它状态量被附肢加上。再由扔非机动检测脆器检测机动尺消除病转换侨到原来的模缎型。腿这里采用两埋种模型，即松未机动时的猎等速模型和叙对于机动目管标的近似等脆加速模型。妇在匀速模型饭中，平面运爹动的状态分瑞量为密尸迷已怎树康松（3.2伟7）循在机动模型景中凡状态分量为堂她搁宝首替伟云批乒广（3.2弯8）禾在等速模型李条件下，机振动检测按如覆下方法进行述。设据为基于等速诊模型滤波新在息子的衰减记忆卵平均值，即墙剖吧勉急海药（3.29训）是汤婶愚滋拘（3海.30）拐式中，锤为折扣因子幼，桌，辰为滑窗长度胃，且反，按这个长捏度检测机动捐的存在；骂为归一化信甜息的平方。福设妹是某一门限疫，指为显著性水洽平，基于非桑机动情况的赌目标模型，仰阈值这样设蚊定须签急粉独绕（3.31辆）烛超过这个阈宅值，则认为脑目标发生机染动，需增大勤过程噪声协输方差敌，以后一直宅采用增大的嚼过程噪声协衫方差蒜直到嘴小于阈值猾为止；若撕小于阈值秀，则认为目闹标机动结束碑，便恢复原路来的滤波模动型。羡如果构超过浸式（3.3刊1）所设定骂的阈值，则吼接收发生机偷动的假设，母在阈值点上薯估计器从非伏机动模型转丑换为机动模僚型；反之，劈用估计的加先速度与他们喜的标准偏差忘进行比较，范如果它不是贤统计显著的狐，则拒绝机确动假设，从镜机动模型转写为非机动模思型。若对于加速度按估计显性检矛验的统计量街为栋罪扎谢中（3.筋32）忆式中，宰是加速度分蜘量的估计，乏是来自机动昨模型的协方丘差矩阵相对光应的块，当净在长度为泄的滑窗上的楼和贞镰场帆闷成寄离巨演怎鼠（3.惩33）熊落在阈值以展下时，则认传为加速度是状不显著的。亿当出现加速忘度突然下降警到0的情况划时（即机动驼突然结束）欺，可能导致脑机动模型产嘴生很大的新捆息，这可以寇用下面的方那法缓解，即竖当机动模型仙的新息超过机95%置信箩区间时，就男可以转换到亮较低阶的模无型。河当在扎时刻检测到浊机动时，滤房波器设定：蹈目标在吉时刻开始有佛等加速度，鉴其中苹为有效滑窗猎的长度。然粗后对悬时刻的状态冶估计进行适多当地修正。层首先在胞时刻，对加航速度的估计膏为喇萝朽（3.3学4）董在扒时刻，估计床的位置分量渐取做对应的丰量测值，即妥蓝霸霜笼胆（3.35食）雨与此同时，船估计的速度经分量用加速从度估计修正扭如下服抗（膛3.36）耻与修正的状麻态估计相伴注的协方差矩县阵是址，它的推导蹈过程可参考茶文献钢[14抵]邪。具体表示鸣式为灰拔（3舌.37）示当迟探测到机动犯时佳，通过引入绸额外的状态摸分量，即目法标加速度，睛以此来改变奋目标的状态义模型。当目村标机动时，防递归估计按盾加速度建模训的机动以及井与位置和速琴度有关的其峰他状态。圈从上面可以香看出，变维苏滤波算法的卖机动检测手斜段是采用基盛于衰减记忆弓新息量的足检验，采用朴切换策略的冤调整方式。议当目标非机曲动时，算法裤工作在CV扭模型；若在眠时刻检测到号目标机动，草算法假定目掌标在垄时刻出现机乔动，并与夫时刻启动C研A模型，利求用其后的量雀测信息修正剥此前的状态挎估计，扩充生目标状态。横而当检测到睁目标从机动建状态切换到帐非机动状态妨时，算法并皂不重新修正穷此前基于C辈A模型所获透得的状态估暂计，其原因肃是基于CA锣模型跟踪非春机动目标时忌，算法的跟嫁踪性能下降革相对较小。相变维滤波器究有相对较好桐的机动目标收跟踪适应能丝力，而该滤荐波器的主要匪缺点是当改弓变到机动模略型时，必须慰完全重建滑生动窗口内状付态变量的估同计。而这种签滤波器的重螺新预置不可羡避免地会在党处理负载中妹出现明显的馒不连续性，通因而从计算滨机观点来看辅这可能是不带太现实的，他另外这种重距置也可能会潜增加目标的辟跟踪误差。朋3.3小端结鸟本章重点介址绍了两种雷没达目标跟踪颜的算法县——伏卡尔曼滤波胞算法和VD勉滤波算法。骗对卡尔曼算柄法，本章详早细介绍了算界法的流程及施所用到的算使法方程，并准且介绍了卡造尔曼滤波器雷的初始化问呢题。此变维滤波算慨法具有较好勉的机动目标悠跟踪适应能截力，但是当说目标出现机救动时，就必舍须完全重建于滑动窗口内辆状态变量的疼估计池——圣状态方程和悼协方差方程断，其算法在尝本章中也有拨比较详细的符介绍。揭4雷达辰目标跟踪失及芒仿真技术带系统仿真的酷基本思想是地建立一个实伐验模型，这尽个模型与我炒们要研究的呜系统十分相任似。通过对缠这个模型的破运行，获得慎我们要研究惨的系统所必采要的信息、俱参数、资料救，从而为研伸制实际系统猫提供科学依列据。系统仿遍真是用模型设代替实际系机统进行试验板。它是在不悦破坏真实系圆统环境的情身况下，为研鞋究系统的特瞎性而构造并目运行这种真联实系统模型扑的方法。乐本节刚的目的在于渠提供仿真方据法来分析和刻设计雷达目津标跟踪系统马，概述系统拔仿真的基础坡知识，模拟额各种算法并肺分析系统性巷能的估算结镇果。狱4滥.1吃MATLA巾B琴仿真平台简舒介善MATLA笑B伍[15律]男是矩阵实验镰室（附Matri朝x富颈Labor哥atory安）之意。除芝具备卓越的农数值计算能拍力外，它还射提供了专业司水平的符号狼计算，文字腔处理，可视庆化建模仿真光和实时控制页等功能。丑MATLA慨B汪的基本数据骂单位是矩阵龟，它的指令管表达式与数纪学，工程中昨常用的形式绝十分相似。梁故用普MATLA赢B滑来解算问题始要比用忍C简，粒FORTR品AN头等语言完相密同的事情简险捷得多。揪MATLA联B睡包括拥有数无百个内部函镜数的主包和巧三十几种工务具包附(Tool亩box).丸工具包又可随以分为功能她性工具包和灾学科工具包绿。功能工具之包用来扩充竟MATLA刮B刚的符号计算偷，可视化建刷模仿真夏,妙文字处理及数实时控制等兽功能。学科旁工具包是专婶业性比较强揪的工具包，亭控制工具包谊，信号处理旧工具包败,捎通信工具包丈等都属于此迎类。评开放性使猾MATLA退B辽广受用户欢动迎弄.棒除内部函数稠外，所有每MATLA魂B失主包文件和欧各种工具包灭都是可读可涌修改的文件雄，用户通过贡对源程序的宰修改或加入对自己编写程浊序构造新的惭专用工具包亩。捎正如同衔FORTR馅AN抢和彩C宏等高级语言醋使人们摆脱使了需要直接缘对计算机硬想件资源进行绸操作一样，悠被称作为第撕四代计算机社语言的趴MATLA槽B抵，利用其丰撇富的函数资搞源，使编程蓝人员从繁琐拔的程序代码该中解放出来丰。任MATLA谈B摆最突出的特扮点就是简洁它。声MATLA姿B啦用更直观的贝，符合人们池思维习惯的陪代码，代替纽了派C扛和雹FORTR候AN椅语言的冗长眼代码。诚MATLA购B蛛给用户带来虏的是最直观筛，最简洁的赔程序开发环澡境。守下面晃简单介绍一区下法MATLA央B乡的主要特点礼。援1、愧语言简洁紧抚凑，使用方缎便灵活，库译函数极其丰驾富。茧MATLA朴B算程序书写形年式自由，利肆用起丰富的谊库函数避开裙繁杂的子程犹序编程任务战，压缩了一够切不必要的也编程工作。丑由于库函数兆都由本领域神的专家编写累，用户不必管担心函数的疏可靠性。可鸟以说，用慧MATLA葱B论进行科技开早发是站在专鞋家的肩膀上琴。绝2、稀运算符丰富眉。由于征MATLA姥B朗是用绝C剧语言编写的子，败MATLA它B删提供了和群C史语言几乎一盐样多的运算都符，灵活使壤用洒MATLA沃B非的运算符将补使程序变得须极为简短。罚3、揪MATLA傍B吧既具有结构纤化的控制语舌句（如千for像循环，乐while哗循环，维break萍语句和御if慌语句），又内有面向对象惜编程的特性易。饿4、碎程序限制不葱严格，程序辽设计自由度给大。例如，乏在耽MATLA替B颈里，用户无辅需对矩阵预廉定义就可使毫用。械5、吧程序的可移晌植性很好，熔基本上不做嫩修改就可以稻在各种型号沃的计算机和港操作系统上评运行。摘6、略MATLA系B辫的图形功能伞强大。在逐FORTR幅AN尼和烫C瓶语言里，绘去图都很不容酱易，但在淹MATLA该B筐里，数据的扶可视化非常外简单。念MATLA毯B蚊还具有较强短的编辑图形锣界面的能力争。齿7、鞋MATLA寻B暴的缺点是，伍它和其他高触级程序相比广，程序的执勇行速度较慢辈。由于疯MATLA抓B环的程序不用佣编译等预处寻理，也不生停成可执行文户件，程序为喝解释执行，絮所以速度较粮慢。狼8、鞠功能强大的处工具箱是聪MATLA制B桌的另一特色财。惜MATLA枝B埋包含两个部感分：核心部趟分和各种可炎选的工具箱凝。核心部分反中有数百个代核心内部函版数。其工具私箱又分为两逼类：功能性劈工具箱和学考科性工具箱奔。功能性工仪具箱主要用雾来扩充其符哲号计算功能礼，图示建模援仿真功能，姥文字处理功沿能以及与硬锻件实时交互长功能。功能镜性工具箱用病于多种学科阅。而学科性扮工具箱是专阅业性比较强禾的，如状contr侄ol,to送olbox它,sign费lpro已ceess的ingt择oolbo川x,com密mumni境catio遵ntoo轻lbox衬等。这些工住具箱都是由练该领域内学厕术水平很高迈的专家编写编的，所以用胸户无需编写江自己学科范劫围内的基础粗程序，而直巩接进行高、忠精、尖的研层究。菜9、步源程序的开否放性。开放晓性也许是籍MATLA誉B矛最受人们欢着迎的特点。夸除内部函数驾以外，所有剧MATLA汪B柱的核心文件绍和工具箱文粉件都是可读毕可改的源文怜件，用户可丑通过对源文香件的修改以志及加入自己胡的文件构成野新的工具箱竿。鸦4.2仿尼真与分析止范对设计皂和实验来说航，仿真与分圈析师不可缺它少的步骤，揪只要这样才般能找到合理粒的实验方法争和设计参数尾，从而达到害实验或设计翅的目标。胳比仿真流程罩图河目标跟踪狠仿真流程图蛋如图4.1慨所示。抽图4.1案目标跟踪沙仿真流程图吩勤目标跟踪母试验模型逮要对目标跟码踪进行仿真之，建立试验乱模型是必须饲的。下面即贫是本论文进包行仿真的实介验模型。疲假定有一座滑雷达对平面搁上运动的目攀标进行观测学，目标存在井0-400全秒沿着y轴草作恒速直线吨运动，运动亭速度为匙-15米它/秒，目标悠的起始点为晨(摸2000暖米奖,留10000邀米亩)，在t=辫400-吩600秒向委轴x方向做担的慢转弯，售加速度为剥0.075获米矩/秒抹，完成慢转闯弯后加速度或将降为零，箩从t=决610晨秒开始做9交0度的快转咱弯，加速度放为额0.3摩米元/秒由，在河660鉴秒结束转弯帽，加速度降镇至零。雷达衣扫描周期T据=2秒，X锐和Y独立地群进行观测，膝观测噪声的召标准差均为盲100米滩。料分析：在该辆模型中，涉畏及到四个过型程。第一过报程，校目标损在于0-400常秒的匀速运到动过程，该学过程采用卡监尔曼线性滤抱波的方法对妙目标实施跟浑踪。第二过绒程拘在t=4感00-60歉0秒向轴x禽方向做壳的慢转弯灭和第三过程藏t=61昨0-66胸0秒做叛的快荣转弯茄，这两个过今程都产生了铺机动，需要诚对目标进行倍机动检测，驶若检测到机资动，再利用柿机动的VD也算法实现对芬目标跟踪。怪第四个过程烘回到了匀速疑运动过程，孔还是利用卡赞尔曼滤波的哲方法。岸少般实验及仿真兄主幻程序战1稼、蛛匀速过程实赠验主程序规若检测到目先标做匀速运虽动，则在此调阶段采用静仪态滤波森——攀卡尔曼滤波豆技术实现对密目标的跟踪俭。下面程序涂为此匀速过忠程的跟踪源光程序。件X姓_pred闷ict(k霸,:)=(论Phi*X尿_esti碗mate(婚k-1,:从)')';闪扔巡%渴状态预测吨P买_pred梅ict=P订hi*P_胡estim搬ate*(码Phi)'章;株稼焰纷%旋预测协方差膊K伸=P_pr膛edict话*(H)'吹*inv(液H*P_p秒redic坊t*(H)锈'+R);垄挡础%构增益径X咸_esti鹅mate(淋k,:)=兄(X_pr过edict横(k,:)堆'+K*(修z1-H*殊X_pre术dict(季k,:)'咐))';樱兆%丛状态更新方仆程虚P碑_esti腾mate=钢(I-K*怕H)*P_精predi双ct;论屡摊言建跑满%例协方差更新回方程梅X追_est=控X_est听imate梅(k,:)浴;缝X寒_pre=消X_pre厌dict(拉k,:);咏v套(:,k)含=z1-H督*(X_p灿redic排t(k,:虹))';衔%赤适新信息辈S勺=H*P_次predi匠ct*H'驱+R;杀讨纸%集倡新信息的方再差阵握2、骄机动过程实仓验主程序艰——姐变维央滤波算法射若实验过程值中出现了机机动，则采用财基于机动检株测的跟踪算临法脆——贩变维滤波算牧法对机动进晋行检测并对曲目标实施跟搭踪。下面为公出现机动时南的跟踪源程路序。油windo矛w=1/(普1-alp哄ha);嚼卫首底侨驶轧%差检测机动的卧有效窗口长条度翻Xm_es独timat托e(k-1艰,:)=X究m_est确;稍ifqq合==1饰丹锣盒戚贵趟%革由非机动进气入机动模型戴，需进行修轿正，扁筛初始化品X盲m_pre朽dict(颠k,:)=辟Xm_pr四e;西X丢m_est冰imate富(k,5)踪=[z1(吧1)-Xm惊_pred陵ict(k堤,1)]*巨2/(T^管2);善X磁m_est始imate懒(k,6)见=[z1(恨2)-Xm淘_pred象ict(k短,3)]*徐2/(T^倾2);桌X增m_est玻imate隶(k,1)圣=z1(1穷);贸X辽m_est警imate相(k,3)肢=z1(2辅);织X悼m_est载imate音(k,2)座=Xm_e辫stima阴te(k-沟1,2)+纷Xm_es然timat饺e(k,5舅)*T;浩X族m_est外imate绘(k,4)额=Xm_e虫stima旗te(k-制1,4)+刺Xm_es号timat忠e(k,6提)*T;鸣%忌玩修正协方差呜阵出P剑m_est死imate梯(1,1)暂=R(1,邪1);棍P惜m_est芳imate愿(3,3)扯=R(2,嗽2);调P糟m_est图imate衔(1,2)劲=R(1,忘1)*2/垮T;樱P师m_est嫂imate音(2,1)叉=Pm_e咐stima饺te(1,栗2);翁P粮m_est餐imate以(3,4)旬=R(2,散2)*2/确T;雷P毒m_est涨imate箩(4,3)秤=Pm_e愚stima馅te(3,顺4);弓P雅m_est况imate烂(1,5)咏=R(1,江1)*2/成(T^2)建;多P揪m_est敬imate强(5,1)甜=Pm_e羞stima伶te(1,泛5);斯P合m_est深imate毒(3,6)百=R(2,延2)*2/岭(T^2)怀;夕P玉m_est窑imate缓(6,3)挽=Pm_e棉stima程te(3,躲6);择P跑m_est签imate续(5,5)嚷=[R(1陶,1)+P秤(1)+P钞(2)*2枝*T+P(锣3)*T*漫T]*4/拳(T^4)则;泼P额m_est陷imate组(6,6)阿=[R(2俩,2)+P绝(4)+P拥(5)*2票*T+P(靠6)*T*悠T]*4/植(T^4)妄;寒P愈m_est富imate妇(2,2)骆=R(1,饿1)*4/阶(T^2)活+P(1)似*4/(T址^2)+P香(3)+P悠(2)*4盼/T;岂P债m_est正imate历(4,4)晚=R(2,挤2)*4/刮(T^2)献+P(4)能*4/(T夺^2)+P骨(6)+P惨(5)*4喉/T;晌P些m_est顿imate椅(2,5)衣=R(1,痰1)*4/尸(T^3)蝇+P(1)摧*4/(T佛^3)+P走(3)*2絮/T+P(饺2)*6/俘(T^2)线;程P疤m_est鹊imate节(5,2)遣=Pm_e框stima倡te(2,梢5);犁P式m_est救imate汁(4,6)尸=R(2,监2)*4/限(T^3)勒+P(4)堪*4/(T膝^3)+P晃(6)*2筐/T+P(谜5)*6/杀(T^2)久;虏P努m_est蒜imate厦(6,4)榜=Pm_e膨stima换te(4,鞠6);挤X四m_est惨=Xm_e趋stima狭te(k,叶:);蝶q纵q=0;%茶修正后，标柿志理qq律复位（不再基初始化），璃ua1穷设为１０，神使不进入非兴机动模型窑u纤a1=10员;获m灯=0;else换%誉困滤波方程否X县m_pre继dict(扯k,:)=渣(Phi*张Xm_es通timat筋e(k-匙1,:)'震)';毫察白张桌%群状态预测低Q侮=[(Xm会_esti院mate(海k-1,5恢)/20)嘱^2,0;祥0,(Xm圾_esti送mate(中k-1,6秘)/20)乞^2];设假乌渠P界m_pre岁dict=椒Phi*P概m_est喝imate鹿*(Phi庄)'+G*齿Q南*G';简缎充争%楼协方差预测烤K岁=Pm_p尿redic那t*(H)激'*inv弦(H*Pm刘_pred可ict*(龄H)'稼+R);意斗蓝百饼黎%起增益宅X餐m_est兽imate爷(k,:)策=(Xm_角predi已ct(k,委:)'+K柴*(z1-虎H*Xm_京predi贷ct(k,毛:)'))懂';仁%壮状态更新奏P懒m_est乖imate车=(I-K距*H)*P葛m_pre纵dict;扯潜麦离少毛菊遵%走协方差更新野X胞m_est永=Xm_e钻stima攻te(k,涛:);毛钥浑实验仰仿真结果素及石分析雪1、因实验仿真结射果蚕将参数设置畜为债=0.8，污机动腔检测门于限湖=25，退济出机动时的称检测门限辽=9.49钳，调试运行芽程序，得到趋目标跟踪的求实验仿真结级果图抬。欧图兆4.2为肉真实轨迹、贷观测轨迹照和共50次滤波新轨迹胖的仿真图。描该图反映了榆真实轨迹和页观测轨迹，震还有观测轨仰迹和50次愤滤波轨迹的止吻合程度。士童图4.2敢晃真实轨迹、量观测轨迹俊和甚50次滤波特轨迹巧仿真图棚图4.3与为贴真实轨迹与慰一次滤波轨迹迹鞋仿真图鼠，该图反映锣了目标的真胜实轨迹和经状过一次滤波左之后目标的哨估计轨迹恢曲线。何图姥4.3卧真实轨迹与寻一次滤波轨深迹鞠仿真图亿图4.4状为闹X揪轴和此Y轴滤波会统计换曲线图，该隆统计曲线图浮反映了请X和受Y坐标轴方纠向滤波误差两的均值和标咽准差的变化英。旬图4.4样X幻轴和齿Y轴滤波的徒统计曲线图摸通过图孔4.2炸可以看到磨变维滤波境算法有4次铲机动绢，令分别对应目俗标的2敏次加速唇和2次匀速置运动阿，垃符合目标真狸实轨迹变化舍。谋从图4.3西的一次庙滤波轨迹咏和图4.4联的误差统计脱曲线叼可以看出机奸动的卡尔曼迫滤波棒对观测轨迹纷进行很好的巩滤波填效果秧，职但在模型出罚现机动的时张候轰，弦会出现大的枣误差。盯这时，可以华借助变维滤我波算法对机槐动目标进行甲跟踪，从而骄减小误差。伪另外通过仿袖真试验可以迷发现VD算畅法的另一个冰重要特点是巾可以减少运爹算量。感2、者仿真宾结果比较韵将程序中加居权衰减因子斤改为鸟=0.患1蒙，机动泊检测门巩限鸦=偷50棵，退出机动春时的检测门获限坡=辨5店，重新运行梳程序得到待修改参数后抽的融仿真图侦。灰图位4.5为源参数缠变化脆后，芝真实轨迹、允观测轨迹葵和弹50次滤波烂轨迹升仿真图发，暗该图反映了支在修改参数谈后，真实轨净迹和观测轨零迹，还有观监测轨迹和5垫0次滤波轨隐迹的吻合程召度。薯窑图4.5轮参数调变化后，真起实轨迹、殖观测轨迹围和蝶50次滤波驳轨迹示仿真图熔图4.堵6为参数谅变化绘后，姻真实轨迹与涌一次滤波轨晋迹类仿真图外，该图反映丑了修改参数给后目标的真幕实运动轨迹炒和经过一次燕滤波之后目漠标的估计轨倾迹曲线。旦图4.虏7为参数变钢化后，某X勿轴和滑Y轴滤波狸统计曲线图阀，该图反映匠了修改参数省后，X和Y框坐标轴方向蛙滤波误差的拿均值和标准图差的变化。裳图4.具6绑参数毕变化便后，考真实轨迹与桑一次滤波轨干迹就仿真图唐图4.俊7参数变恶化圆后，拣X斧轴和剃Y轴滤波世的统计曲线俭图帐从图4.5支可以看到修约改参数后，寄50次滤波慢后的轨迹严怨重偏离了真尿实轨迹。由悬此可知，机夕动检测的参征数设置对滤恨波具有很大旨的影响。从持图4.6可遣以看出浸一次滤波轨密迹在出现机拼动后一直到渔匀速过程起和真实轨迹奶之间的误差剩严重变大，捞一次滤波轨丧迹偏离了真佩实轨迹，此咬时不能很好忘的对目标实塔行有效的跟雷踪。这表明骡此时设计的届滤波器不符驱合目标跟踪亩的要求。摘由修改参数轿前后的的实却验仿真结果伏，可以发现揉前延者可以对目晓标实现有效毅跟踪，而后差者则不然。督在模型参数暂的调整过程辆中，呼可以发现阻机动检测门皂限青，纽退出机动的伞检测门限猫,加权衰减雨因子针对算法的有栽效滤波有很还大的影响泼，如果选择膀参数过大或族过小，鸦都可能会导示致滤波发散晨，从而不能聪对目标实施耗有效的跟踪旗。棚若在跟踪过促程中，采用胀自适应滤波尼技术则可以惠更好的改善抛滤波性能。替另外，对亡目标快转弯慨时墙，厌会出现大的矮误差浪，爪这时候可以扶通过改变机锋动检测门限神来减小。竹4.3小义结根本章重点介催绍了目标跟躺踪的仿真处棋理流程，通搭过建立目标两跟踪模型、炮编写、调试摘、运行，最池终完成了对连模型的目标润的跟踪。经畜过对仿真结汗果的分析，揪得出卡尔曼篇滤波具有很鸡好滤波能力砌，且章预测的轨迹孟符合真实目营标轨迹的变吐化。VD滤只波算法具有轨很好的机动田检测能力，疏但是当目标省快速转弯时辟，会出现较顾大的误差，闲这时可以通俩过改变机动浸检测门限来耕减小误差。阅通过本章的呆研究，掌握边了卡尔曼滤盼波器和VD卧滤波算法的咱算法流程和退仿真流程，占并能设计出唐一定的目标堡跟踪系统。却5结束神语坚机动目标跟对踪在军事和败民用领域有猾着广泛地应数用前景，特组别是在现代庭战争中，作植战飞机、各练种舰艇等运鸣动目标的机陕动性越来越耐强，对它们背进行有效而紧实时地跟踪俩将是十分复呜杂但是又必式须加以解决未的问题眯。本为以机谊动目标位研未究对象，旨秆在为机动目纳标跟踪系统宜的实用化提缝供理论指导于，着重解决丑机动目标跟码踪中两个方勉面的问题：瓦建立跟踪模刃型和滤波算筐法。涝为此，建立趟了某些机动屑目标跟踪模可型，并对卡暗尔曼滤波算粪法和VD滤梁波算法进行谎了深入的研岗究，得到了产一些有意义路的结论。汁这些结论纵具体归纳如靠下。肿1、江对机动目标虾而言，建立布数学模型所都特有的要求徐。既要使建崭立的数学模堆型符合实际欠，同时也要真更加紧密的对结合所用到盆的理论。状掌态方程和量廉测方程的状乌态变量法是把描述钥系统的一种县很有价值的欣方法。它既疑结合了实际绿物理模型，震又对数据处桥理提供了方桂便。歉2、袍卡尔曼滤波蝇器具有很好蚕的滤波能力洒。卡尔曼滤性波器采用了县迭代算法，司在财对滤波器进睬行初始化兴基础上迟，对其进行惊一次滤波处叫理，得到一哗步状态预测朴和一步预测访协方差。凤然后史，卡尔曼滤汉波器进行迭拿代，进而推鲁出下一次的脖滤波状态和哨协方差，以悟此类推。遵3、扛VD变维滤蒸波具有较好视的机动目标浙检测能力。择它对机动目穴标的检测是顽通过一种判废别机制。若汉检测到目标全机动，则通室过引入额外粗的状态分量召并对状态和拒协方差进行金修正。拍以上对机动惨目标的跟踪阀理论研斧究有了一定灵的结果，但便是仍有许多恋不足之处，征尚需进一步鸭解决的问题遍有如下。著1、垫论文中所讲巩的卡尔曼滤员波器虽对机滑动目标有很坊好的跟踪能幕力，但是如尽果目标真实关运动和运动据模型不一致的（目标出现稼了机动），酒这时采用卡纸尔曼滤额波器，则会腾导致滤波发围散，使滤波像值和目标真以实值之间的继误差无限增仪长，这时可摆以利用目标搁跟踪的自适更应滤波技术僵。魔2、芳笔对VD滤波烂算法，虽对唇机动目标有烛很好的跟踪义能力，但是圈当机动模型舰改变时，就雹必须完全重红建滑动窗口投内状态变量辫的估计唇，这样会导尊致在处理负田载中出现明垮显的不连续互性，还可会语增加目标跟熟踪误差。炮3、请江在进行仿真边时，滤波器短参数的选定每不适，也可房能会导致滤撤波性能的下洁降等。蛋总之，本论驶文的研究虽拆然花费了大爬量的心血和予汗水，但是仰它对机动目挪标跟踪的研区究仍有许多存不足之处，扬严格的说，向本文在很多披方面是粗糙出的，有待进梨一步的深入骨研究。致谢房本论文是在那曹伟堡老师的悉心帐指导下完成上的。在论文礼的选题