發(fā)布時(shí)間：2025-02-07 12:21

　　本文從基本的卡爾曼濾波算法出發(fā),主要研究了機(jī)動(dòng)目標(biāo)跟蹤濾波的在線(xiàn)學(xué)習(xí)方法,并從單個(gè)機(jī)動(dòng)目標(biāo)擴(kuò)展到機(jī)動(dòng)多目標(biāo)跟蹤濾波,并加以驗(yàn)證分析。首先,針對(duì)常見(jiàn)機(jī)動(dòng)目標(biāo)跟蹤濾波算法中的優(yōu)缺點(diǎn)進(jìn)行分析,提出了基于Elman神經(jīng)網(wǎng)絡(luò)的在線(xiàn)優(yōu)化反饋機(jī)動(dòng)目標(biāo)跟蹤濾波算法。使用Ehman神經(jīng)網(wǎng)絡(luò)在線(xiàn)學(xué)習(xí)方法,通過(guò)對(duì)目標(biāo)狀態(tài)預(yù)測(cè)值與最優(yōu)估計(jì)的殘差、新息以及濾波增益矩陣進(jìn)行在線(xiàn)學(xué)習(xí)實(shí)時(shí)監(jiān)測(cè)目標(biāo)機(jī)動(dòng)項(xiàng)的大小,并根據(jù)機(jī)動(dòng)大小實(shí)時(shí)調(diào)整最優(yōu)估計(jì)和運(yùn)動(dòng)模型參數(shù)。克服了一般無(wú)跡卡爾曼濾波可能會(huì)出現(xiàn)的濾波發(fā)散的問(wèn)題,相比于IMM_ELM在線(xiàn)學(xué)習(xí)跟蹤濾波方法,其跟蹤濾波精度有更明顯的提升。其次,針對(duì)不同機(jī)動(dòng)目標(biāo)的優(yōu)化濾波方法中所存在的優(yōu)化相對(duì)滯后的問(wèn)題,提出了基于Elman神經(jīng)網(wǎng)絡(luò)的緊耦合跟蹤濾波算法,將優(yōu)化過(guò)程提前至濾波過(guò)程中的預(yù)測(cè)階段,使得目標(biāo)在跟蹤預(yù)測(cè)階段就有一個(gè)相對(duì)優(yōu)化過(guò)的預(yù)測(cè)值和調(diào)整后的噪聲方差,從而就減少了優(yōu)化過(guò)程滯后所帶來(lái)的誤差。相比于其他傳統(tǒng)的優(yōu)化方法,其濾波跟蹤精度有一定的提升。最后,針對(duì)雜波環(huán)境下的機(jī)動(dòng)多目標(biāo)關(guān)聯(lián)跟蹤濾波過(guò)程中,數(shù)據(jù)關(guān)聯(lián)后關(guān)聯(lián)量測(cè)仍然包含著相對(duì)機(jī)動(dòng)誤差的問(wèn)題,提出了一種基于緊...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１單個(gè)機(jī)動(dòng)目標(biāo)跟蹤原理示意圖??根據(jù)以上單機(jī)動(dòng)目標(biāo)跟蹤流程，可以將機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)大致分為三個(gè)部分：狀態(tài)估計(jì)算法、??

采用單模型或者多模型的魯棒算法，可以減輕模型誤差帶來(lái)的影響。??除了上述單個(gè)機(jī)動(dòng)目標(biāo)跟蹤濾波的主要模塊外，多機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)還包括了關(guān)聯(lián)門(mén)的形成、??多目標(biāo)數(shù)據(jù)的關(guān)聯(lián)與維持、多目標(biāo)跟蹤起始與終結(jié)理論等｜８］，其系統(tǒng)原理如圖１．２所示。??＆跟蹤起始與??ｉ?終結(jié)??１?＂＂??Ｉ....

圖１．２機(jī)動(dòng)多目標(biāo)跟蹤系統(tǒng)原理示意圖??其中，關(guān)聯(lián)門(mén)是整個(gè)目標(biāo)跟蹤過(guò)程中的一個(gè)子區(qū)域，以目標(biāo)的狀態(tài)預(yù)測(cè)值為區(qū)域中心，其范??

??圖１．１單個(gè)機(jī)動(dòng)目標(biāo)跟蹤原理示意圖??根據(jù)以上單機(jī)動(dòng)目標(biāo)跟蹤流程，可以將機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)大致分為三個(gè)部分：狀態(tài)估計(jì)算法、??目標(biāo)運(yùn)動(dòng)模型建模方法和濾波器的結(jié)構(gòu)設(shè)計(jì)｜５］。其中，狀態(tài)估計(jì)算法是研究目標(biāo)跟蹤過(guò)程的基礎(chǔ)，??根據(jù)給定的量測(cè)和一定的性能指標(biāo)得出目標(biāo)的最優(yōu)估計(jì)值是目標(biāo)跟....

圖２．１卡爾曼濾波流程圖??－９－??

在機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中應(yīng)用最為廣泛的仍然是以卡爾曼濾波為主體結(jié)構(gòu)算法實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、對(duì)空間存儲(chǔ)的要求不高，而且在一定程度上能夠處理蹤系統(tǒng)，故而得以廣泛應(yīng)用。其算法基本流程為：??（１）狀態(tài)的一步預(yù)測(cè)：??＾ｋ｜ｋ－ｉ?＝?－Ｆ（ｆｃ）＾－ｉ｜ｆｅ－ｉ（２）協(xié)方差矩陣的一步預(yù)測(cè)：....

圖２．３基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的在線(xiàn)優(yōu)化反饋濾波器框圖??．．

?Ｌ〇?〇?１．??觀測(cè)函數(shù)則為簡(jiǎn)單的以雷達(dá)坐標(biāo)為原點(diǎn)的直角坐標(biāo)系到極坐標(biāo)系的空間坐標(biāo)轉(zhuǎn)換函數(shù)，具體的濾??波算法流程圖如圖２．４所示。??－１７－??

本文編號(hào)：4030867