kalman 滤波器大作业.pdf

建模与估计 曹阳 编号 学号 班号 院系 电院自动化系 课题 基于滤波参数估计的目标跟踪研究 摘要 传统滤波是基于射影定理，而本次课题采用基于贝叶斯估计理论的极大后验估 计 准则下对目标进行弹道跟踪，从滤波状态空间的动力学模型入手，针对 非线性目标动力学模型和观测模型的问题，探讨基于大地坐标系对弹道目标跟踪的解决方 法，推导了二维平面下的状态空间模型，并在此基础上进行仿真研究。 引言 滤波问题是如何从被噪声污染的观测信号中过滤噪声，尽可能消除或减少噪声的干扰， 求未知真实信号的或系统状态的最优估计。在信号处理、通信、目标跟踪和控制等领域一 般都需要滤波处理，去除噪声。通常噪声、真实信号均为随机过程，因而滤波问题本质上 是统计最优估计问题。常用的最优估计准则是线性最小方差估计，即信号或状态的最优估 计与相应的真实值的误差方差最小。 滤波方法可处理多变量非平稳随机过程滤波问题、时变系统滤波问题、系统信 号以及状态估计问题，克服了滤波方法的上述缺点和局限性。滤波问题就是 由观测方程所得到的观测信息求系统状态的最优估计。从抽象的空间角度，状态变 量和观测信号均可看成是由随机变量的线性运算生成的空间中的元素或“点”。经 典滤波理论的重要进展是动态系统白噪声估计理论创立，白噪声估计理论在状态估 计和信号滤波中具有广泛应用。 目标跟踪是人们利用已观测到的数据，采用一定的数学方法，完成对目标运动状态的 数学建模，状态估计进而实现轨迹跟踪，其中，状态估计是关键，决定着跟踪系统的稳健 性和精确性。滤波器作为一种最小均方差准则下的自回归线性估计算法，广泛应用 于目标跟踪领域。从滤波器应用角度来看，目标轨迹跟踪是典型的非线性滤波问题，如何 实时精确地建立与目标运动学相匹配的数学模型是问题的关键。 目标跟踪的数学模型 目标跟踪的任务是从观测值中的最优提取出有关的目标运动状态的有用信息，而数学 模型建立的好坏直接影响这种信息的提取。跟踪模型主要包括两个方面：一是对目标自身 运动行为的描述，称作动力学模型；二是对目标运动行为观测情况的描述，称作观测模型。 为简化问题的描述，建立二维平面直角坐标系，如图所示， 和 表示待跟踪目标在初始 0 0 时刻的位置，表示目标运动方向与 轴正方向的夹角，观测雷达位于坐标原点 处。 图 二维平面直角坐标系 目标跟踪的状态空间模型 用状态方程描述一个离散时间的非线性系统如下： −1 其中， 、 分别是时刻目标的状态向量和观测向量， 是状态方程中的过程 噪声序列，一定程度上它体现了模型与实际目标之间的匹配精确度， 是观测过程中的观 测噪声序列，体现了观测设备受到的高声干扰程度。 和 是已知的非线性函数。 空气密度模型 大气层内的空气密度是一个以目标高度为参数呈指数衰减的函数，更精确的模型是以 分段函数的形式给出的指数函数，通常用来表示