2020年新版Kalmanfilter仿真作业.docxVIP

研究生上机作业 姓名：**学号: ******** 1?情景假设 (学号末尾2, 6)假设有一个二坐标雷达对一平面上运动目标的进行观察， 目标在t = 0?400秒沿y轴作恒速直线运功，运动速度为-15m/s ,目标的起点为 (2000m 10000m),雷达扫描周期为2秒，x和y独立地进行观察，观察噪声的 标准差均为100m试建立雷达对目标的跟踪算法，并进行仿真分析，给出仿真 结果，画出目标真实轨迹、对目标的观察和滤波曲线。 2.Kalman滤波算法分析 为了简单起见，仅对X轴方向进行考虑。 首先，目标运动沿X轴方向的运动可以用下面的状态方程描述： x(k 1) x(k) T*(k) (T2/2)Ux(k)(21) X(k 1) X(k) Tux(k) . W(k)用矩阵的形式表述为， W(k) 干，W(k) ux 干，W(k) ux(k)。在此情 T x(k)*(k)， x(k) *(k)， 景中 ux(k)=0。 考虑雷达的观测，得出观测方程为： Z(k) C(k)X(k) V(k) (2.3) 在(2.3)中，C(k) 1 0，V(k)为零均值的噪声序列，方差已知。 对目标进行预测，由相关理论可得到下面的迭代式： X\k/k 1) X\k 1/k 1)(2.4) 在(2.4)中，X?(k/k 1) E[X(k)|Zk1]，反映了由前k 1各观测值对目前状态的 估计。 而预测的误差协方差可由下式表出， PX(k/k 1) FX(k 1/k 1) T Q(k 1) T (2.5) 对于最佳滤波，迭代表达式为： 刃(k/k) X?(k/k 1) K(k)[Z(k) C(k)X\k/k 1)] (2.6) 在式(2.6)中， K(k)为Kalman增益。 而滤波误差的协方差为, Px\(k/k) [I K(k)C(k)]P*(k/k 1)(2.7) 在应用上面的公式进行Kalman滤波时，需要指定初值。由于实际中通常无 法得到目标的初始状态，我们可以利用前几个观测值建立状态的初始估计， 比如 采用前两个观测值， 刃(2/2) 乙(2) Zx(2) Zx(1)/TT(2.8) 此时，估计误差为 T X(2/2) vx(2) T_ ux(1)如(1)丁如(2) (2.9) 而误差协方差矩阵为, Pxx(2/2)x/T Pxx(2/2) x/T x/T 2 x/T (2.10) 3.仿真计算与结果 首先给出理论航迹, 1200040003000-理论航迹1100010000900080007000600050001500 1600 1700 1800 1900 2000 2100 2200 2300 240012000 4000 3000 -理论 航迹 11000 10000 9000 8000 7000 6000 5000 1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 2500 2000 3.1理论航迹图 由图3.1可以看出目标运动的理论航迹，即沿 y轴负方向直线运动。 假定观察噪声的标准差均为 100m，可以给出目标的观测数据和理论航迹的 对比图，见图3.2。 12000 2000 11000 10000 8000 7000 6000 5000 4000 3000 1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 2500 -理论航迹 观测数据- 9000 3.2观测数据和理论航迹对比图 接下来经过Kalman滤波后，x轴方向的航迹图，见图3.3 X轴方向航迹图 3.3滤波输出x轴方向航迹图 y轴方向的航迹图，见图3.4。 x x Y轴方向航迹图 3.5。ex 3.5。 ex(k) [x/k) XKk| k)] (3.1) i 1 3.4滤波输出y轴方向航迹图 将输出的x和y方向的航迹估计显示在直角坐标系下，见图 XOY方向航迹图 3.5滤波输出xoy方向航迹图 为了真实地反映出Kalman滤波的效果，采用了 Monte-Carlo方法，采用多 次实验取均值的方法进行研究，可以计算出估计的误差均值和方差，其表达式为: 而误差的标准差可以表示为: MF)?(k|k)] MF) ?(k|k)]2 ex2(k)( 3.2) 在（ 3.1 ）和（3.2 ）中，M就是进行Monte-Carlo仿真的次数，而k为取样点 数。当仿真的次数越多时，实验的效果越接近于实际，但是计算的速度会明显变 慢。在仿真时，需要根据实际适当选取。在本程序中，取 M 50。 下面对滤波估计值的误差均值和方差进行简单分析， 对x和y方向的航迹估 计进行分别讨论，假定 Monte-Carlo仿真的次数M = 50。由（3.1 ）和（3.2 式