基于UKF和PF混合滤波的目标跟踪算法研究

发布时间：2022-01-09 14:17

　　无论是在军事领域还是民用领域,目标跟踪技术均发挥着至关重要的作用,其在敌情监控、海陆空防御、智能交通、货物仓库的物流跟踪等领域具有重要应用价值,一直以来都是国内外学者的研究热点。为了提高目标跟踪精度,改善跟踪效果,本文给出一种基于无迹卡尔曼滤波（UKF）和粒子滤波（PF）相结合的混合滤波目标跟踪算法。本文主要研究内容如下:首先,论文阐述了本选题的研究背景及意义、并介绍了国内外的研究现状,接着对现有的线性卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）,以及粒子滤波（PF）算法进行了详细介绍,在此基础上,对上述算法的优缺点进行分析,并介绍了四种算法的误差产生原因。针对现有KF、PF算法存在的问题,本文给出一种基于UKF和PF混合滤波的目标跟踪算法。首先,应用PF算法对状态进行初始估计,克服非线性系统对目标跟踪算法的制约;然后,为了消除奇异值、粒子退化问题的影响,进一步提高目标跟踪精度,对上一步的估计结果再进行UKF。在此基础上,分别建立了基于UKF算法、PF算法、UKF和PF混合滤波算法的单观测站目标跟踪模型。MATLAB仿真实验结果表明,本文提出的基于UKF和PF... 

【文章来源】：桂林理工大学广西壮族自治区

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

非线性变换比较

桂林理工大学硕士学位论文33|1|1Ζ(χ)iikkkkh。步骤7：根据式(2.47)计算系统观测量的预测均值|1zkk。步骤8：根据式(2.48)、(2.48)、计算新息协方差矩阵zz|1Pk，k、状态与观测间的互协方差矩阵xz|1Pk，k。步骤9：根据式(2.50)计算滤波增益矩阵Kk。步骤10：状态更新。根据式(2.51)、(2.52)计算k时刻后验状态估计均值xk和协方差矩阵Pk。步骤11：置kk1，循环进行步骤2到步骤10，进行下一时刻跟踪计算。3.2.2单观测站UKF目标跟踪实验仿真及结果分析1）实验仿真本次实验的硬件环境为英特尔IntelCorei-7200U处理器、4GB内存，在Windows10环境下，仿真软件采用MATLAB（R2018a）版本。目标在二维平面做匀速直线运动过程中各参数设置如下：目标运动的初始值为0x[02m/s100m10m/s]，观测站位置可以是任意的，本仿真实验设置观测站位置为[200m,500m]，采样时间T1s，时间步长为60。过程噪声方差Q=diag([1,1])w，其中w为一个可调节的参数，1w[65]；观测噪声方差R5。同时设置UT变换中的相关系数：=0.01，=0，=2[34,35]。2）结果分析图3.1目标真实轨迹与不同算法的跟踪轨迹

桂林理工大学硕士学位论文34为了验证算法的性能，采用同样基于卡尔曼理论框架下的适用于非线性滤波的EKF算法、UKF算法做对比。图3.1展示了EKF算法、UKF算法的跟踪轨迹，可以看出UKF算法的跟踪轨迹与真实轨迹更接近。为了更直观比较两种算法的性能，需要分析目标跟踪的误差。这里采用X轴方向和Y轴方向的均方根误差（RootMeanSquareError，RMSE）[66]进行比较，图3.2和图3.3分别是EKF算法和UKF算法经过100次蒙特卡洛实验后，X轴方向和Y轴方向的RMSE，其计算公式如下：21RMSE()X()NnkknxxkN(3.9)21RMSE()Y()NnkknyykN(3.10)其中，(,)kkxy表示k时刻目标的真实位置，(,)nnkkxy表示第n次蒙特卡洛实验中k时刻跟踪目标的位置估计，N表示蒙特卡洛实验次数。图3.2X轴方向RMSE曲线

【参考文献】：
期刊论文
[1]基于随机自适应方法的多传感器融合算法[J]. 王茜,王颖超,曹菲.  计算机应用与软件. 2020(04)
[2]带非线性约束的自适应高斯和卡尔曼滤波目标跟踪算法[J]. 徐壮,彭力.  计算机测量与控制. 2019(06)
[3]改进的卡尔曼滤波与均值漂移目标跟踪算法[J]. 韩明,唐心亮,孟军英,王敬涛.  战术导弹技术. 2019(01)
[4]群目标跟踪技术综述[J]. 甘林海,王刚,刘进忙,李松.  自动化学报. 2020(03)
[5]基于动态损耗因子和权重的改进质心定位算法[J]. 任晓奎,李锋,程琳.  计算机应用. 2019(03)
[6]WSN定位算法APIT的改进型设计[J]. 殷万君.  单片机与嵌入式系统应用. 2018(04)
[7]Nonlinear Bayesian Estimation:From Kalman Filtering to a Broader Horizon[J]. Huazhen Fang,Ning Tian,Yebin Wang,Meng Chu Zhou,Mulugeta A. Haile.  IEEE/CAA Journal of Automatica Sinica. 2018(02)
[8]NYFR output pulse radar signal TOA analysis using extended Fourier transform and its TOA estimation[J]. Zhaoyang Qiu,Pei Wang,Jun Zhu,Bin Tang.  Journal of Systems Engineering and Electronics. 2017(02)
[9]扩展卡尔曼滤波的目标跟踪优化算法[J]. 宁倩慧,张艳兵,刘莉,陆真,郭冰陶.  探测与控制学报. 2016(01)
[10]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏.  自动化学报. 2016(01)

博士论文
[1]基于粒子滤波的目标跟踪技术研究[D]. 宋策.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
[2]多传感器目标跟踪数据融合关键技术研究[D]. 崔波.西南交通大学 2012
[3]运动目标状态估计及融合方法研究[D]. 陈金广.西安电子科技大学 2011
[4]传感器管理方法研究[D]. 刘先省.西北工业大学 2000

硕士论文
[1]基于QT的跨平台嵌入式运动控制系统研究[D]. 谢超.杭州电子科技大学 2019
[2]基于多传感器信息融合的航迹预测技术研究[D]. 刘小翠.西安电子科技大学 2017
[3]基于Qt和MATLAB混合编程的冷热电联供运行监控与能量管理系统研发[D]. 李艳.山东大学 2017
[4]无线传感器网络的节点定位与目标跟踪算法研究[D]. 葛琰.电子科技大学 2017
[5]多传感器组网机动目标跟踪算法研究[D]. 石弯弯.杭州电子科技大学 2016
[6]基于RSSI的室内无线定位与跟踪技术研究[D]. 张佩琪.西安电子科技大学 2016
[7]复杂雷达信号环境模拟与主控软件设计[D]. 周珊珊.西安电子科技大学 2015
[8]机动目标建模及跟踪方法研究[D]. 张一铂.电子科技大学 2015
[9]机载多传感器数据融合目标跟踪技术研究与实现[D]. 全丽.电子科技大学 2012
[10]基于Qt的跨平台软件设计及应用[D]. 李春虎.电子科技大学 2011



本文编号：3578875