基于卡尔曼滤波器的船用雷达运动目标跟踪算法研究及性能分析

摘要

早期的船用雷达只是将目标信息显示到屏幕上,如果用户需要了解目标的运动状态,就必须通过人工进行标绘和计算来确定该目标的运动方向和速度等信息。随着微处理器的广泛应用,如今的船用雷达系统可以快速的完成对目标的滤波、跟踪、预测等运算。跟踪滤波模块是船用雷达系统的一个重要组成部分。随着现代目标机动性能越来越强,滤波器需要具有更高精度且更高稳定性的滤波性能。本文的主要任务是设计一款既能实现实时高精度跟踪,又能快速适应目标机动的自适应滤波器。
　　 本文首先介绍了卡尔曼滤波、α—β滤波和α-β-γ滤波等基本滤波算法的概念,并对其算法的特点和性质进行了理论分析。然后,在基于扰动噪声矢量和观测噪声矢量都是白噪声随机序列的统计特性前提下,设计基本的船用雷达卡尔曼滤波器,讨论了噪声协方差矩阵对滤波器性能的影响。由于扰动噪声矢量和观测噪声矢量的特性参数都是未知的,并且目标的机动性具有随机不可预测的特点,因此,为了防止滤波器发生发散,必须对原有的滤波器进行自适应设计。卡尔曼自适应滤波的设计方法有很多,本文采用了一种对速度分量进行统计分析的方法来确定目标的扰动噪声方差,通过对方位分量的统计来确定观测噪声方差。该方法有效地避免了判断目标是否发生机动这一项的计算。同时,此方法计算简单,更适合实时的跟踪。最后通过仿真实验来验证该自适应滤波器的性能。
　　 α-β滤波器和α-β-γ,滤波器是分别适用于匀速运动和匀加速运动的滤波器。本文最后将这三种滤波器分别在不同运动状态下进行仿真,并对其性能进行比较分析,讨论卡尔曼滤波器与其他滤波器的性能差异。

目录

文摘

英文文摘

第1章 绪论

1.1 课题研究背景

1.2 雷达数据处理技术研究的历史和现状

1.3 课题的来源

1.4 ARPA系统简介

1.5 本文主要工作

第2章 雷达运动目标跟踪滤波原理

2.1 卡尔曼滤波器

2.1.1 系统模型

2.1.2 离散卡尔曼滤波的递推公式

2.1.3 离散卡尔曼滤波的特点

2.1.4 离散卡尔曼滤波的性质

2.1.5 离散卡尔曼滤波的发散现象

2.2 α-β滤波器

2.3 α-β-γ滤波器

2.4 卡尔曼滤波器的性能比较

第3章 基于卡尔曼滤波算法的船用雷达运动目标跟踪滤波器

3.1 离散信号模型的统计特性

3.2 离散卡尔曼滤波器的系统模型

3.3 卡尔曼滤波器的初始化

3.3.1 状态向量初始化

3.3.2 均方误差初始化

3.3.3 噪声协方差矩阵初始化

3.4 随机噪声统计特性分析

3.4.1 观测噪声的统计特性分析

3.4.2 扰动噪声的统计特性分析

3.5 自适应卡尔曼滤波器

3.5.1 观测噪声协方差的自适应设计

3.5.2 观测噪声协方差的自适应滤波实验结果

3.5.3 扰动噪声协方差的自适应设计

3.5.4 扰动噪声协方差的自适应滤波实验结果

3.5.5 自适应卡尔曼滤波器

3.6 多目标下卡尔曼滤波器的设计

第4章 卡尔曼滤波器与最小二乘滤波器运动目标跟踪性能比较

4.1 目标匀速运动

4.1.1 目标无噪声背景下匀速运动

4.1.2 目标有噪声背景下匀速运动

4.2 目标匀加速运动

4.2.1 目标无噪声背景下匀加速运动

4.2.2 目标有噪声背景下匀加速运动

4.3 目标圆周运动

4.4 目标转弯运动

4.5 小结

结论

参考文献

致谢

研究生履历