目标跟踪系统中的滤波方法 全套课件.pptx

目标跟踪系统中的滤波方法陈金广 著西安电子科技大学出版社 目　　录第1章.ppt第第1章.ppt1第1章.ppt章 绪论第2章.ppt第第2章.ppt2第2章.ppt章 卡尔曼滤波和非线性系统滤波方法第3章.ppt第第3章.ppt3第3章.ppt章 粒子滤波方法第4章.ppt第第4章.ppt4第4章.ppt章 等式状态约束条件下的滤波方法第5章.ppt第第5章.ppt5第5章.ppt章 自适应卡尔曼滤波及融合方法第6章.ppt第第6章.ppt6第6章.ppt章 无序量测条件下的滤波方法第7章.ppt第第7章.ppt7第7章.ppt章 网络丢包条件下的滤波方法第8章.ppt第第8章.ppt8第8章.ppt章 第8章.pptRTS 第8章.ppt平滑及分段融合方法第9章.ppt第第9章.ppt9第9章.ppt章 非线性滤波算法在目标跟踪中的应用第10章.ppt第第10章.ppt10第10章.ppt章 数学预备知识第1章 绪 论第1章.ppt1.1 第1章.ppt滤波方法在目标跟踪系统中的地位和作用第1章.ppt1.2 第1章.ppt状态估计和融合方法的研究进展及现状第1章.ppt1.3 第1章.ppt目标跟踪滤波性能评价准则第1章.ppt1.4 第1章.ppt本书内容安排1.1 滤波方法在目标跟踪系统中的地位和作用　目标跟踪是人们运用各种观测和计算手段，实现主体对被关注运动客体的状态建模、估计、跟踪的过程。随着航空、航天、航海事业的不断发展以及现代战争信息化、网络化特征的日益凸显，对海底、海面、陆地、空中和太空中目标跟踪技术的精确性和实时性的要求在不断提高。毋庸置疑，该技术在国防安全领域中发挥着重要作用。此外，在民用领域，目标跟踪技术也得到广泛应用，例如空中交通管制、机器人、视频监控以及存在于制造业中的工件定位等。　一般意义下的目标跟踪技术通常包括三个部分：数据关联、状态估计及融合、航迹管理[1]，如图1.1所示。在多目标多传感器测量环境下，数据关联的作用很重要，不正确的数据关联直接导致跟踪精度降低甚至丢失目标。数据关联从所关联数据的类型的角度可做如下划分：量测和量测关联、量测和局部估计关联以及航迹和航迹关联。数据关联的难度体现在传感器存在漏检、虚警以及在测量值比较密集情况下的关联。Sittler最早提出数据关联的概念，Singer和BarShalom对数据关联理论的研究和发展做出过重大贡献。最为重要的数据关联方法包括最近邻方法、概率数据关联、联合概率数据关联、多假设方法以及上述方法的改进算法等。航迹管理包括航迹起始、航迹终止、航迹维持等。图1.1 目标跟踪系统　1.2 状态估计和融合方法的研究进展及现状1.2.1 信息融合技术　信息融合通俗地讲，是将不同来源、不同模式、不同媒质、不同时间、不同地点、不同表示形式的信息进行综合，最后得到对被感知对象的更精确描述。信息融合与数据融合虽属两个不同的概念，但两者很类似， 人们所指的信息融合一般是指数据的融合，因此本书对这两个概念不加区分。由于多传感器测量信息具有冗余性和互补性，因此采用有效的融合方法可以得到更加可靠和更加准确的信息。冗余性可以增加系统的健壮性，如果传感器网络中有部分节点遭到破坏，则可以利用其它正常工作的传感器所携带的相同信息进行弥补。互补性可以提高信息的准确性，可以充分利用不同传感器的测量特征，从而获取被观测目标的更准确、更全面的信息。　根据美国国防联合指导实验室(the US Joint Directors of Laboratories，JDL)的定义，信息融合是组合数据的过程，该过程能够进一步优化估计和预测[3]。也就是说，如果能够有效地利用多源信息，则能够在一定程度上获取更加可靠、更加精确的估计和预测信息。为了说明信息融合的特征，我们给出一个典型的信息融合例子，如图1.2所示。在目标跟踪过程中，使用雷达(Radar)、可见光或红外(EO/IR)和电子支援设备(ESM)对目标进行观测，然后进行融合。可以看出，不同类型的测量设备在探测性能、运动参数估计和识别能力方面是不完全相同的。也就是说，这些传感器的性能具有互补性，所获得的测量信息也相应地具有互补性，使用有效的融合方法进行融合，能够获得各项指标都较好的总体性能。此外，以各种途径获得的数据之间存在冗余，当一部分数据被破坏或者丢失之后，可以通过其它传感器数据对该部分数据进行恢复，因此提高了系统的健壮性。图1.2 信息融合举例　信息融合在军事上涵盖的范围是比较广泛的，从最底层的数据预处理到战场中的指挥决策，全都包含在内。JDL实验室对信息融合进行了分层，给出了各层的作用范围框架，如图1.3所示。下面对每一层的定义简单加以说明。图1.3 信息融合分层模型[3]　第0层