机动目标跟踪滤波的在线学习方法

发布时间：2025-02-07 12:21

　　本文从基本的卡尔曼滤波算法出发,主要研究了机动目标跟踪滤波的在线学习方法,并从单个机动目标扩展到机动多目标跟踪滤波,并加以验证分析。首先,针对常见机动目标跟踪滤波算法中的优缺点进行分析,提出了基于Elman神经网络的在线优化反馈机动目标跟踪滤波算法。使用Ehman神经网络在线学习方法,通过对目标状态预测值与最优估计的残差、新息以及滤波增益矩阵进行在线学习实时监测目标机动项的大小,并根据机动大小实时调整最优估计和运动模型参数。克服了一般无迹卡尔曼滤波可能会出现的滤波发散的问题,相比于IMM_ELM在线学习跟踪滤波方法,其跟踪滤波精度有更明显的提升。其次,针对不同机动目标的优化滤波方法中所存在的优化相对滞后的问题,提出了基于Elman神经网络的紧耦合跟踪滤波算法,将优化过程提前至滤波过程中的预测阶段,使得目标在跟踪预测阶段就有一个相对优化过的预测值和调整后的噪声方差,从而就减少了优化过程滞后所带来的误差。相比于其他传统的优化方法,其滤波跟踪精度有一定的提升。最后,针对杂波环境下的机动多目标关联跟踪滤波过程中,数据关联后关联量测仍然包含着相对机动误差的问题,提出了一种基于紧...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图１．１单个机动目标跟踪原理示意图??根据以上单机动目标跟踪流程，可以将机动目标跟踪系统大致分为三个部分：状态估计算法、??

采用单模型或者多模型的鲁棒算法，可以减轻模型误差带来的影响。??除了上述单个机动目标跟踪滤波的主要模块外，多机动目标跟踪系统还包括了关联门的形成、??多目标数据的关联与维持、多目标跟踪起始与终结理论等｜８］，其系统原理如图１．２所示。??＆跟踪起始与??ｉ?终结??１?＂＂??Ｉ....

图１．２机动多目标跟踪系统原理示意图??其中，关联门是整个目标跟踪过程中的一个子区域，以目标的状态预测值为区域中心，其范??

??图１．１单个机动目标跟踪原理示意图??根据以上单机动目标跟踪流程，可以将机动目标跟踪系统大致分为三个部分：状态估计算法、??目标运动模型建模方法和滤波器的结构设计｜５］。其中，状态估计算法是研究目标跟踪过程的基础，??根据给定的量测和一定的性能指标得出目标的最优估计值是目标跟....

图２．１卡尔曼滤波流程图??－９－??

在机动目标跟踪系统中应用最为广泛的仍然是以卡尔曼滤波为主体结构算法实现简单、计算量小、对空间存储的要求不高，而且在一定程度上能够处理踪系统，故而得以广泛应用。其算法基本流程为：??（１）状态的一步预测：??＾ｋ｜ｋ－ｉ?＝?－Ｆ（ｆｃ）＾－ｉ｜ｆｅ－ｉ（２）协方差矩阵的一步预测：....

图２．３基于Ｅｌｍａｎ神经网络的在线优化反馈滤波器框图??．．

?Ｌ〇?〇?１．??观测函数则为简单的以雷达坐标为原点的直角坐标系到极坐标系的空间坐标转换函数，具体的滤??波算法流程图如图２．４所示。??－１７－??

本文编号：4030867