1. 研究目的与意义
目标跟踪的广泛运用主要在于民用领域和军用领域这两个方面。但是,由于许多相关技术的飞速发展,运动目标不断提升其性能,对于目标跟踪而言,要求会更为苛刻。
关于运动目标跟踪这个方向,对运动目标的状态进行估计时,一般情况下可以采用卡尔曼(kalman)滤波,从而得到运动目标的滤波值和估计值。但是,在运动目标发生变速或者转向等一系列变化的过程中,采用卡尔曼(kalman)滤波时,性能和准确度会有所下降。对于会发生变速和转向等一些非稳态的运动目标跟踪而言,交互多模型(imm)方法是一个比较好的选择。imm算法主要通过滤波以及数据融合这两个方法,提升目标跟踪的跟踪性能。在全局跟踪的过程中,imm算法给出了多个个体模型跟踪估计值的概率加权和,最终的组合状态估计由此得出;其中,在状态与协方差组合中,模型有效的概率起到了加权的作用,不同模型之间的转换可以用马尔可夫链实现。在混合系统状态估计算法中,imm算法被证明是最佳的性能和成本比的方法。虽然,在某些时刻或时段,imm算法的性能可能会低于其他一些模型,但是,从全局来看,imm综合了多个传感器模型对于目标状态值的估计,能够在跟踪机动目标方面效果更好,所以,对于全局目标跟踪这个方向而言,相对来说它是效果最好的。
2. 研究内容和预期目标
卡尔曼滤波器是最优的递归算法。针对于许多实际问题的解决它是效率最高的,最好的,最有用的方法。卡尔曼滤波器已经在机器人导航与控制系统,传感器数据融合,军事雷达和弹道轨迹外推等领域被广泛应用。在最近的几年,它在计算机图像处理方面占据着非常重要的地位,如人脸识别,图像边缘检测与图像分割技术和操作系统等技术领域。
kalman滤波算法中,使用状态方程和观测方程描述动态系统。被估计量随时间变化,
3. 研究的方法与步骤
研究方法:文献法;实验法
步骤:
-
查阅搜集相关文章资料,理清课题研究脉络,总结归纳研究方法,悉心准备下一步研究。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!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.
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!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;
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。