卡尔曼滤波在雷达数据领域仿真.doc

卡尔曼滤波 在雷达数据处理领域的仿真研究 电信科学技术研究院 PT1200057 贾建超 摘 要 卡尔曼滤波器是直接针对时序或者连续状态而进行的状态空间转移滤波器，本文对卡尔曼滤波在雷达数据处理中的应用进行仿真研究。本文基于CV模型，假设雷达每隔时间T获得目标位置的数据，卡尔曼滤波器对观测到的数据进行处理，估计目标物体当前的状态及其参数，并对目标未来的状态及其参数进行预测。另外，通过进一步的MATLAB仿真实验，可知初值选取和系统参数对滤波器收敛速度和稳态精度的影响，以及系统模型和系统参数对机动目标跟踪性能的影响。 关键词: 卡尔曼滤波 CV模型 雷达 精度 跟踪性能 Abstract Kalman filter is designed for continuous time sequences analysis or state analysis. The paper’s purpose is to accomplish the simulation research for the application of Kalman filter in the field of radar data processing. Assuming that the radar receive the position data of target every T seconds, using CV model, the filter will deal with the observation data, estimate the current state parameters of target and predict the future state. In addition, plenty of Matlab experiments are conducted. The results show the influence of initial data and system parameters to the filter’s convergence velocity and precision of the steady state and they also present the influence of system model and system parameters to the performance of tracking of maneuvering targets obtained. Keywords: Kalman filter, CV model, radar, precision, tracking performance. 第0章 前言 信号的检测、估计和预测在信息与通信领域占有十分重要的地位，尤其在雷达系统中更是如此。若忽略电磁波的速度和脉冲周期的影响，理论上雷达可以测量到目标物的精确位置。但实际中，由于目标物的移动规律不稳定、电磁干扰、信号衰落等因素，测量过程中存在着不可忽略的噪声，这就需要我们利用检测、估计和预测理论进行比较准确的估计和滤波。在估计与预测方法中，线性无偏最小均方误差估计由于其良好的性能特点得到了更为大范围的应用。对于线性无偏最小均方误差的估计问题有两种滤波思路：维纳滤波和卡尔曼滤波。 维纳滤波的思想是根据最小均方准则导出线性滤波器的维纳霍夫方程，通过解维纳霍夫方程即得到最优线性滤波器的冲激响应，滤波器的输出即为消息的最优线性估计。维纳滤波继承了维纳在随机过程理论的贯有风格与模式，它充分考虑了随机信号的相关特性。但维纳滤波的限制也因此变得不容忽视，最主要的一点是维纳滤波只适合用于平稳随机过程，过程不平稳将导致维纳滤波必须不断地针对信号“修改参数”，而做到这一点的开销是十分巨大的。因此，维纳滤波非常不适合在实时性要求高的环境中应用。 R.E.Kalman等人于60年代初提出卡尔曼滤波方法，它直接从时域和状态入手，打破了平稳这一限制，计算机的计算得以更加方便。它的估计性能是线性最优的，而递推形式又能适应实时处理的需要，因此得到了广泛的应用。卡尔曼滤波器与维纳滤波器的不同点在于：1、不由协方差函数描述系统，而由白噪声策动的产生该过程的线性模型来表示；2、不去寻找最佳滤波器的冲激响应，而是去寻找一套算法直接得到消息的估计——即使不能解析地求解微分方程，也总能容易的用计算机求解；3、不用时变的冲激响应描述产生消息的线性系统，而是用微分方程来描述，方程的解即为消息。 卡尔曼滤波的基本原理 本文主要研究离散形式的卡尔曼滤波器。 1.1 卡尔曼滤波原理 为了描述系统状态，首先要建立消息模型： 其中n维矢量为消息，为r维策动噪声矢量。为维转移矩阵或系统矩阵，为维矩阵。 接着对