非线性更新容积高斯求和滤波器在目标跟踪中的应用汇编.doc

第2章 目标跟踪原理及目标的常用模型 目标跟踪是指利用传感器观测确定目标位置、轨迹和特性的问题。传感器可以是任何观测设备，如雷达、声呐、摄像机、红外传感器、超声波、麦克风或其他可以用来收集目标信息的传感器。目标跟踪的典型目标是确定目标的数目、身份以及目标的状态，如位置、速度、以及特征等。本章主要对目标的跟踪原理进行介绍，对雷达的目标参数测量进行了简要说明，并根据雷达的测向测距原理建立目标跟踪的数学模型。 2.1目标跟踪原理 2.1.1 目标跟踪基本原理 目标跟踪是一个典型的不确定性问题随着监视和反监视技术的竞相发展,特别是由于军事监视环境和目标机动性能发生了很大的变化,使得目标跟踪问题的不确定性更加严重跟踪问题的不确定性主要来源于目标运动状态的不确定性!量测(信息)源的不确定性!多目标和密集杂回波环境造成量测数据模糊或不确定这就要求机动目标跟踪系统必须适应机动的变化,同时作出正确的相关决策通过滤波,对目标运动状态进行估计和预测,来消除目标相关的不确定性,是目前工程上经常应用的方法,图2.1为目标跟踪的基本原理框图。 初始状态X0 . 输出 + + 图2.1 目标跟踪的基本原理 图2.1中目标动态特性包含位置、速度和加速度的状态向量用X表示,量测(观测)量Y被假定为含有量测噪声V的状态向量的线性组合HX+V,残差(新息)向量d为量测Y与状态预测量之差我们约定,用大写字母X、Y表示向量,小写字母x、y表示向量的分量首先由量测量Y和状态预测量构成残差(新息)向量d,然后根据d的变化进行机动检测或机动辨识,其次按照某一准则或逻辑调整滤波增益与协方差矩阵或者实时辨识出目标机动特性,最后由滤波算法得到目标的估计值和预测值,从而完成目标跟踪功能。 2.1.2目标位置的测量 估计目标的运动状态是目标跟踪的任务，关系到两个重要问题：1)目标运动模型的确立跟踪方法的设计。是目标跟踪范畴所要的主要内容和要解决的基本问题。为了实现检测和跟踪目标的功能，需要建立目标运动模型，一般情况1.目标测量 2.2目标模型 从图2.1己经表明,估计理论特别是卡尔曼滤波理论要求建立数学模型来描述与估计有关的物理现象这种数学模型应能把某一时刻的状态变量表示为前一时刻状态变量的函数所定义的状态变量是能够全面反映系统动态特性的一组维数最少的变量建立机动目标模型是进行机动目标跟踪的基本要素之一,也是一个关键而又棘手的问题模型建立的好坏将直接影响目标跟踪的性能,可以毫不夸张地说,一个好的模型顶得上成千上万的观测数据任何跟踪算法都是以目标运动的某个或某些模型为基础的,而物体的动态模型又是以各种几何运动规律(如直线运动!曲线运动)为基础的建立机动目标模型的一般原则是所建立的模型既要符合机动实际,又要便于数学处理当目标做非机动运动时,这种动态模型容易建立,但对于做机动运动的目标来说,建立理想的模型则变得十分困难因为在大多数情况下,我们对目标机动的先验知识了解很少,而且机动过程中由于人为作用力的影响,很难用数学公式准确描述,只能在各种假设条件下用近似方法描述比如在目标模型构造过程中,考虑到缺乏有关目标运动的精确数据以及存在着许多不可预测的现象,需要引入状态噪声的概念此外还有考虑加速度的分布特性,要求加速度分布函数应尽可能地描述目标机动的实际情况近30年来,有不少学者对模型问题进行了探讨,所提模型各具特点,下面对其中一些典型模型进行分析。 1.CV和CA模型 该模型将目标的运动先验地定义为简单的匀速CV(ConstantVelocity)或匀加速cA(ConstantAcceleration)运动,机动被看作一种随机的干扰,其大小体现在过程噪声的协方差矩阵之中该模型最早,也最为简单,在跟踪算法分析中最为常用,它们的数学表达式分别如下: 1.CV(常速)模型 2.CA(常加速)模型 T为雷达发射脉冲的周期。 在常速或常加速的运动情况下，或者接近是常速或常加速的运动情况，上面两个状态方程可以显示出很好的估计跟踪效果。当运动的目标在机动的状态下，目标运动是加速度变化