1. 研究目的与意义
目标跟踪研究在科学研究方向一直是一个重要的研究课题。随着传感器的不断发展，传感器对于获得的物体状态信息（例如：速度，位置，运动状态及方向）的精度越来越高，然后再将这些信息加以处理分析，最后得出物体后续的运动状态，这就形成了如今的目标跟踪研究方向。而在对物体进行目标跟踪处理这方面，需要选择合适的滤波器来对传感器进行状态预测。在 1958 年卡尔曼滤波被斯坦利·施密斯首次提出。在这之后不久卡尔曼就用它完成了阿波罗计划中的预测轨道方面。卡尔曼滤波相对于其他滤波的优点是在知道测量方差之后，它能够在包含噪声的数据中提取出有用的数据，预测系统的后续状态。卡尔曼滤波在计算机仿真时是十分方便的，这使得其成为如今被应用最广泛的滤波器。
在目标跟踪实际应用时，目标的许多状态信息（速度，加速度、位置信息等）都是包含一定的噪声影响的。如何从这些随机观测噪声和干扰信号中提取到对其有用的观测数据，成为目标跟踪技术的关键。卡尔曼自回归滤波器则具有这样的优点，它能够从这些包含观测噪声和干扰信号的观测数据中作出较好的预测。卡尔曼滤波的主要思想：利用前一时刻对当前时刻的预测值和当前时刻的观测值更新状态估计量,得到对下一时刻的预测值,以此方式递归预测，实现对目标的实时跟踪。卡尔曼滤波最初被提出是一种只适用在线性高斯系统下的滤波理论，但是有着应用的局限性。随后 bucy，sunahara 等人在传统卡尔曼滤波原理基础上提出了扩展卡尔曼滤波算法，这很好地解决了卡尔曼滤波在非线性系统的局限性。
2. 研究内容和预期目标
主要研究内容：
2.1 卡尔曼滤波的应用
首先建立两种不同的数学模型（cv 模型及 ca 模型），建立好数学模型后，需要利用卡尔曼算法理论预测公式进行 matlab 仿真。
3. 研究的方法与步骤
采用实验法。首先建立两个线性的系统模型通过传统的卡尔曼滤波器对其进行处理，利用 Matalb 得出仿真结果。而针对扩展卡尔曼滤波器，主要建立了匀速直线运动模型，通过非线性的观测方程来描述一个非线性系统，同时得出仿真结果。最后通过观察分析滤波前、滤波后位置、速度、角度与真实值的偏差，得出相应的结论。
4. 参考文献
[1]冯刚，吕茂庭，覃天.基于MATLAB的卡尔曼滤波仿真研究[D].防空兵学院硕士学位论文，2011.[2]苏林，尚朝轩.基于卡尔曼滤波器的雷达追踪[D].石家庄军械工程学院，2006.[3]彭丁聪.卡尔曼滤波的基本原理及应用[D].中国地质大学研究生院，2008.[4]付梦印，邓忠红，张继伟.Kalman滤波理论及其在导航系统中的应用［M］.北京：科学出版社，2003.[5]马志强.卡尔曼滤波器设计及MATLAB仿真[D].西北工业大学硕士论文，2007.[6]高飞.Matlab智能算法[M].北京：人民邮电出版社,2007.[7]宋叶志.Matlab数值分析与应用[M]．北京：机械工业出版社，2002.[8]马晓路，刘倩，胡开云.Matlab图像处理[M]．北京:中国铁道出版社，2013.[9]张长春，黄英，杨刚.卡尔曼滤波在跟踪运动目标中的应用及仿真[J].广东工业大学，2005,54—56.[10]朱迪.航空γ能谱测量仪器谱蒙特卡罗模拟[D].成都：成都理工大学，2009.[11]张华.ISAR成像横向定标问题研究[D].哈尔滨：哈尔滨工业大学，2010.[12]秦源.基于雷达和红外传感器的低空情报网中的信息融合[D].南京：南京理工大学，2005.
5. 计划与进度安排
进度安排：第一阶段（1周-4周）收集资料，了解卡尔曼滤波器和扩展卡尔曼滤波的基本知识，对设计任务有基本认识，撰写开题报告；第二阶段（5周-8周）确定总体方案，逐步深入学习扩展卡尔曼滤波器及其算法的原理。认真学习Matlab方面的有关知识，为之后的仿真工作做准备；第三阶段（9周-12周）编写并调试仿真代码，开始外文翻译工作；第四阶段（13周-16周）撰写论文，准备答辩。
