检测与估值论文.docVIP

《检测与估值》 结课论文 软件与通信工程学院 通信工程 101班 0103796 郝彩虹 戴利云 2013-6-28 利用Kalman滤波进行轨迹预测 郝彩虹 （ 江西财经大学软件与通信工程学院，江西南昌，330013） 摘要：Kalman自从20世纪60年代初问世以来，随着研究的深入，卡尔曼滤波技术越来越多地应用于各个领域，卡尔曼滤波作为一种最优状态估计方法，可以应用于受随机干扰的动态系统。准确地说，卡尔曼滤波器给出了一种递推算法，由实时获得的受噪声污染的离散观测数据，对系统状态进行线性、无偏及最小误差方差的最优估计。该算法已经广泛应用于工业和控制的许多领域，如视频和激光跟踪系统、卫星导航、弹道导弹轨迹估计、雷达和火力控制等。随着最近高速计算机的发展，卡尔曼滤波的应用将更加广泛，特别是在更加复杂的实时应用中。The Kalman filter has been widely used in various fields, such as spacecraft orbit calculation, radar target tracking, automatic control of the production process. Calman filter has a good performance in maneuvering target tracking, it is a kind of optimal estimation and for recursive computation. But the prediction process with Kalman filtering to the equations of motion the objectives of the process and measurement noise in understanding and requirements of the system for the Gauss noise and independent of each other, it is very difficult to meet in the real-time tracking process. In this paper, by using the improved algorithm to achieve the target prediction tracking based on the Kalman filter Matlab programming, and draw the target centroid trajectory coordinates. Keyword:Target tracking; object matching; Kalman filter; Matlab引 言 目标跟踪一直是人们关心的热点问题，Kal—man滤波预测凭借其跟踪精度较高在跟踪中备受青睐．运动目标的检测识别与跟踪技术是目迅速发展的一个研究领域，把图像处理技术与Kalman滤波算法结合起来也是目标跟踪的一个研究方向．图像运动目标的识别就是指在视频序列中提取每一帧图像的运动目标的信息．运动目标检测和跟踪的研究内容相当丰富，主要涉及到计算机可视化、机器人视觉、智能控制、模式识别等领域．运动目标分析在高级人机交互、视频会议、自动化工业、安全监控和图像检索方面有着广阔的应用背景和潜在的经济价值，本文就此问题进行研究。本首先介绍了滤波方程的基本推导。该方案的优势是通过假设某些矩阵非奇异，可以很好地理解卡尔曼滤波的最优性。当然通过应用广为人知的正投交投影方法，有时也称之为新息方法，可以不需要这些假设。然后将该方法进行扩展来处理系统和量测噪声相关的问题，以及有色噪声问题。本书还讨论了针对非线性系统的卡尔曼滤波及其在自适应系统辨识中的应用。此外，介绍了实时应用中的极限或稳态卡尔曼滤波理论、序贯算法和平方根算法等高效计算方法。卡尔曼滤波一个典型的应用是数字跟踪滤波器设计，如