多目标跟踪模拟选读.docx

信息融合课程报告 ——多传感器-多目标跟踪算法 学 院自动化学院专 业控制科学与工程学 号151060019学生姓名任磊磊指导教师刘伟峰 2016年6月15日 一、实验场景与参数设置 1.多目标CV运动 监测区域为，检测概率为0.98，杂波密度为λ=1×10-5m-2，既平均40个杂波点，状态协方差阵，，目标的初始分布为x0,j~Nx0,j,B0,j=1,2,3其中x0,1=[-900m,30m/s,900m,-30m/s], x0,2=[-900m,25m/s,-800m,30m/s]，x0,3=[-900m,20m/s,0m,20m/s], B0=diag100,25,100,25，目标运动和量测方程分别为： xk,j=Axk-1,j+Bωk-1,j zk,s=Cxk-1,s+vk-1,s 其中Qk,j=covωk-1,j,ωk-1,j=diag4,4m2, Rk,1=covvk-1,s,vk-1,s=diag100,100m2，Rk,2=covvk-1,2,vk-1,2=diag25,25m2 2. 最近邻算法： 二、报告要求 仿真杂波条件下3个目标的CV运动轨迹（仿真总步数K=50s）； 采用Kalman滤波算法，分别完成传感器1，2对多目标的分别跟踪过程。 采用最紧邻算法进行数据关联。 通过100次蒙特卡罗仿真实验，对比分析传感器1，2的RMSE跟踪误差。 3）采用集中式多传感器，进行多目标跟踪估计，给出跟踪结果图，并进行RMSE误差分析 (-1000m,1000m) (1000m,1000m) 目标1 目标2 目标2 (-1000m,-1000m) (1000m,-1000m) 实现过程： 1）1.首先在matlab中初始化所需矩阵，设置目标的初始信息程序如下。 n=50;%仿真时间 L=100;%仿真次数 range=[-1000 1000;-1000 1000]; lambda=40; PD=1; num_target=3;%一共3个目标 A=[1 1 0 0;0 1 0 0;0 0 1 1;0 0 0 1]; B=[0.5 0;1 0;0 0.5;0 1]; C=[1 0 0 0;0 0 1 0]; B0=diag([100 25 100 25]); Q=[4 0;0 4];%噪声过程的协方差阵 q_std=sqrt(Q);%噪声过程的标准差阵 R=[100 0;0 100];%量测噪声协方差阵 r_std=sqrt(R);%量测噪声标准差阵 Sz1=inv(R); Sz2=inv(R); Sz3=inv(R); %-----------定义矩阵含义------------- X1=zeros(4,n);%目标1的真实状态 X2=zeros(4,n);%目标2的真实状态 X3=zeros(4,n);%目标3的真实状态 Xp=zeros(4,3*n);%目标状态的提前一步预测 Xe=zeros(4,3*n);%目标某时刻的估计状态 Z1=zeros(2,n);%目标1真实量测 Z2=zeros(2,n);%目标2真实量测 Z3=zeros(2,n);%目标3真实量测 Zp=zeros(2,3*n);%某时刻目标量测的提前一步预测 Zk=zeros(2,3*n);%认定为目标量测的集合 Pe=zeros(4,4,3*n);%滤波误差的协方差阵 Pp=zeros(4,4,3*n);%预测误差的协方差阵 K=zeros(4,2,3*n);%滤波增益 RMSE=zeros(1,3*n); error=zeros(1,3*n); %------------初始化3个目标的状态---- X1(:,1)=[-900;30;900;-30]+B0*randn(4,1); X2(:,1)=[-900;25;-800;30]+B0*randn(4,1); X3(:,1)=[-900;20;0;20]+B0*randn(4,1); Xe(:,1)=[-900;30;900;-30]; Xe(:,51)=[-900;25;-800;30]; Xe(:,101)=[-900;20;0;20]; Pe(:,:,1)=[100 0 0 0; 0 25 0 0;0 0 100 0;0 0 0 25]; Pe(:,:,51)=[100 0 0 0; 0 25 0 0;0 0 100 0;0 0 0 25]; Pe(:,:,101)=[100 0 0 0; 0 25 0 0;0 0 100 0;0 0 0 25]; 2.按照题中要求所给的目标运动方程