搜索
南京理工大学紫金学院毕业设计说明书(论文)作者:戴学飞学号：110401324系：电子工程与光电技术系专业:电子信息工程题目:卡尔曼滤波器在运动目标跟踪中的研究及仿真指导者：(姓名)(专业技术职务)评阅者：(姓名)(专业技术职务)2015年5月李娟讲师副教授马玲南京理工大学紫金学院毕业设计（论文）评语学生姓名：戴学飞班级、学号：11电信3班、110401324题目：卡尔曼滤波器在运动目标跟踪中的研究仿真综合成绩：指导者评语：论文针对运动目标跟踪的问题，建立了简洁有效的数学模型，在问题的解决中引入了Kalman滤波器系统，对其滤波算法进行了推导，深入理解了Kalman滤波器的迭代思想，并使用Matlab软件对Kalman滤波思想在运动目标跟踪问题中的应用进行了仿真验证，仿真结果表现正确无误。论文综述完整。程序设计合理,仿真结果正确。论述充分，结论合理。技术用语准确，符号统一，编号齐全，书写工整规范，整洁、正确。如能加入对加速度变化的运动目标进行跟踪则更好。同意参加答辩，建议成绩良好。指导者(签字)：年月日毕业设计（论文）评语评阅者评语：评阅者(签字)：年月日答辩委员会（小组）评语：答辩委员会（小组）负责人(签字)：年月日毕业设计说明书（论文）中文摘要卡尔曼滤波是卡尔曼基于线性最小方差估计的基础上，提出的最优线性递推滤波方法，具有在数学结构上比较简单、计算量小、存储量低、实时性高的优点。卡尔曼滤波在控制理论和控制系统工程中拥有着巨大影响力，并且在工程实践上具有重要意义。因此，卡尔曼滤波器广泛应用于雷达数据处理等领域。本文针对平面内匀速直线运动目标的跟踪问题，采用卡尔曼滤波方法来实现对运动目标的跟踪。Matlab软件仿真结果显示跟踪效果较好，证明采用此法跟踪运动目标有效可行，具有一定研究价值。关键词卡尔曼滤波；目标跟踪；最优；Matlab仿真毕业设计说明书（论文）外文摘要TitleResearchonObjectTrackingBasedonKalmanFilterAbstractKalmanfilterisbasedonlinearminimumvarianceestimationandtheoptimallinearrecursivefilteringmethodbytheKalman,withinthemathematicalstructureisrelativelysimple,computationquantityissmall,lowstorageandhighreal-timeperformanceadvantages.Kalmanfilterinthecontroltheoryandcontrolsystemsengineeringhasagreatinfluence,andhasimportantsignificanceinengineeringpractice.Movingtargettrackingiswidelyusedinradardataprocessing.Aimingatthetrackingquestionofamovingtargetwithconstantvelocityalongalineinaflatsurface,wecanuseKalmanfilteringmethod,simulationwithMatlabresultsshowthattheeffectoftractingisveryperfect.Ithasgoodvalues.KeyWordsKalmanFilter;ObjectTracking;Optimal;Matlab本科毕业设计说明书（论文）第Ⅰ页共Ⅰ页目次1绪论................................................................11．1研究意义以及目的.................................................11．2国内外研究现状...................................................21．3论文内容以及结构篇章.............................................32Matlab软件简介......................................................52.1软件简介..........................................................52.2Matlab基本功能....................................................52.3Matlab优点........................................................52.4Matlab的应用......................................................63卡尔曼滤波器原理....................................................83.1状态转移..........................................................83.2状态预测..........................................................93.3协方差矩阵........................................................93.4噪声协方差矩阵的传递.............................................103.5观测矩阵.........................................................113.6状态更新.........................................................113.7噪声协方差矩阵的更新.............................................123.8卡尔曼滤波的五个公式.............................................123.9卡尔曼变量和参数.................................................134蒙特卡洛仿真试验的数学思想.........................................144.1蒙特卡洛方法的产生与发展.........................................144.2蒙特卡洛基本原理.................................................165基本动态系统模型...................................................175.1运动目标数学模型建立.............................................175.2Matlab程序代码及其注释...........................................185.3Matlab仿真结果以及分析...........................................205.4对运动目标跟踪非线性问题的初步探讨...............................26结论................................................................27致谢................................................................28参考文献...............................................错误!未定义书签。本科毕业设计说明书（论文）第1页共30页1绪论1．1研究意义以及目的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。卡尔曼滤波器最初是专为飞行器导航而研制的，已成功地被应用在很多领域。卡尔曼滤波器主要用来预估那些只能被系统本身间接或不精确观测的系统状态。因此卡尔曼滤波器在很多工程系统和嵌入式系统中占据着重要的地位。雷达测量系统中，目标跟踪往往是人们非常关注的方面，但测量运动目标的位置、速度和加速度在每时每刻都存在噪声信号。卡尔曼滤波是基于运动目标动态信息，设法消除噪声干扰，从而获取目标位置的最佳估计。这个估计过程主要有三个方面，第一个方面是对运动目标当前位置的估计，第二个方面是对运动目标未来位置的估计，第三个方面是对运动目标过去位置的估计。如果需要对某一运动中的目标进行跟踪，首先需要做的是对运动目标进行跟踪观测，一般情况下得到的观测信息是不准确的，因为它包含着所需要的信息以及随机观测噪声和干扰信号。如何从这些观测信息和噪声的信号中提取所需要的数据和各种参数，因此根据预测的未来状态的观测数据和运动目标跟踪方法的关键是预测方法。卡尔曼滤波递推算法的原理是利用噪声和观测噪声以及输入和输出值进行的测量，它是具有统计特性的估计系统。主要思想是：利用前一时刻对当前时刻的预测，当前的观察值来更新对状态量的估计（得到当前时刻的最优预测值），从而求出下一时刻的预测值，实现递归的预测，达到及时准确跟踪的效果。基本卡尔曼滤波器（KF）的约束条件下，即，系统必须是线性的，但大多数的系统都是非线性系统，因此大多数情况下，需要用到扩展卡尔曼滤波（EKF）来对非线性系统进行估计。随着卡尔曼滤波理论的升华，和一些实用的卡尔曼滤波技术不断被提出，如自适应滤波和次优滤波技术以及滤波散发抑制技术等等已广泛应用到各个领域。其他滤波理论也很快得到重视，如线性离散系统的滤波（序列平方根滤波，信息平方根滤波，UD分解滤波）[3]。本科毕业设计说明书（论文）第2页共30页卡尔曼滤波作为一种数值估计优化方法，与应用领域的背景结合性很强。因此卡尔曼滤波用于解决很多实际问题时，重要的不仅仅是算法优化问题与实现，更重要的是利用获取的领域知识对被认识系统进行形式化描述，建立起合适的数学模型，再从这个模型出发，进行滤波器的设计与实现工作。因为卡尔曼滤波具有实时递推，存储容量非常小和设计起来比较简单等优点，所以卡尔曼滤波器在工程领域应用十分广泛。比如在信号处理、卫星控制、石油勘探、故障诊断、GPS定位、检测与估计、控制、通信、航空航天、制导、目标跟踪、多传感器信息融合，机器人学和生物医学领域。1．2国内外研究现状马里兰大学的实时监控系统W4可以基于单摄像头对人体或者人体的各个部分进行实时地跟踪。所谓W4是指，在哪里，什么人，什么时候，干什么，换句话说是指该系统可以确定什么目标，什么时候，什么地方，干什么。W4是基于身体和头部，手等功能目标形状分析，基于背景分离功能的自适应前背景分离技术，和区域分裂合并到目标的交互功能。目前，在美国，日本，欧洲已进行了大量关于运动目标检测和跟踪的研究工作，W4是一种基于视觉监控系统可以对室外运动目标进行实时检测和跟踪，而IBM等大公司资助相关的研究领域，希望能将研究成果应用于商业领域。Pfinder是一款基于运动目标的颜色和形状特征使用实时追踪系统对大视角范围的运动目标进行追踪与测量的系统。同时也出现在许多国际会议与讨论小组。Pfinder系统的实现有利于帮助对室内人员的行