本科毕业设计论文
题目无迹卡尔曼滤波在目标跟踪中的应用
专业名称
学生姓名
指导教师
毕业时间
毕业  任务书
一、题目
无迹卡尔曼滤波在目标跟踪中的应用
二、指导思想和目的要求
利用已有的专业知识，培养学生解决实际工程问题的能力；
锻炼学生的科研工作能力和培养学生的团结合作攻关能力；
三、主要技术指标
1、熟悉掌握无迹卡尔曼滤波的基本原理；
2、对机动目标进行跟踪；
四、进度和要求
第01周----第02周： 英文翻译；
第03周----第04周： 了解无迹卡尔曼滤波的发展趋势；
第05周----第06周： 学习无迹卡尔曼滤波基本原理；
第07周----第09周： 掌握Matlab 编程，熟悉开发环境；
第10周----第11周： 学习常用目标的机动模型；
第12周----第13周： 编写程序，调试验证；
第14周----第16周： 撰写毕业设计论文，论文答辩；
五、参考文献和书目
1. 张勇刚，李宁，奔粤阳，等. 最优状态估计-卡尔曼及非线性滤波[M]，国防工业出版社，2013。
2. 冯志全，孟祥旭，蔺永政，等.UKF 滤波器的强跟踪性研究[J].小型微型计算机系统, 2006, 27(11): 2142-2145。
3. 潘泉，杨峰，叶亮，等.一类非线性滤波器-UKF 综述[J].控制与决策, 2005,  20(5): 481-489。
设计
论文
4.宋迎春. 动态定位中的卡尔曼滤波研究[D]. 博士学位论文；长沙：中南大学, 2006。
5.贺觅知.基于卡尔曼滤波原理的电力系统动态状态估计算法研究[D].西安：西安交通大学，2006。
6.孙清，张陵，张爱社，伍晓红，等.基于扩展卡尔曼滤波(EKF)的结构动态物理参数识别[A]；第十届全国结构工程学术会议论文集第Ⅲ卷[C]；2001年。
7.黄铫.一种扩维无迹卡尔曼滤波.电子测量与仪器学报[J].2009，2009增刊：56-60。
8.柴霖，袁建平，罗建军，等。非线性估计理论的最新进展[J].宇航学报，2005,26(3):380-384。
9.何衍.机动目标跟踪与传感器网络自组织[D]；博士学位论文.浙江大学：2001年。
10.汪雄良.基于参数化技术的目标跟踪方法[D]；博士学位论文.国防科学技术大学；2002年。
11.祝石厚.基于卡尔曼滤波算法的动态谐波状态估计技术研究[D].重庆：重庆大学，2008,5。
12.于静文，薛蕙，温渤婴，等.基于改进的RBAUKF的电力频率跟踪新算法[M].电测与仪表.2010,47（537）:22-26。
13.于静文.基于卡尔曼滤波的电能质量分析方法综述[J].电网技术。2010，34（2）：97-102。
14.魏崇毓，徐善驾，王东进，等.多探测器目标跟踪算法分析[A]；第九届全国信号处理学术年会（CC
SP-99）论文集[C]；1999年。
15.王宏强.目标融合跟踪技术及性能预测研究[D]；博士学位论文.中国人民解放军国防科学技术大学；2002年。
学生指导教师系主任
摘要
由于卡尔曼滤波器具有结构简单、性能最优、易于被掌握和应用等一系列的优点其已被广泛应用于状态跟踪和估计等科学领域。值得一提的是，由于其线性的推导和计算过程，决定了卡尔曼滤波器不能应用于非线性系统。本文主要研究的是UKF滤波方法的滤波性能、现存问题和改进方法。
首先，介绍卡尔曼滤波在军事等领域的实际应用以及其今后的发展趋势，而后，初步了解卡尔曼滤波的意义，显著地改善动态跟踪精度，它在目标跟踪中不仅利用当前的量测值，而且充分利用以前的量测数据，根据线性最小方差原则求出最优估计。连续系统的卡尔曼滤波方程以及离散系统的卡尔曼滤波方程让我们对其在线性化的处理有了深刻的印象。同时，通过比例Unscented变换方法，可以更为准确地求得随机分布经过非线性变换后的均值和方差。
再次，在机动目标跟踪过程中，目标的状态模型和量测模型，直角及极坐标系下跟踪系统模型等等能
更好的与实际的目标运动学相匹配。
最后，滤波算法在目标跟踪中的分析，能仿真出卡尔曼滤波和无迹卡尔曼滤波在运动中的状态估计。
关键词：UKF、均值、Unscented变换方法、状态模型、量测模型
ABSTRACT
Because the kalman filter has simple structure, the optimal performance, easy to master and application and so on a series of advantages, it has been widely used in scientific fields such as status tracking and estimation. Be worth what carry is, because of its derivation and calculation of the linear process, determine the kalman filter can not be applied to nonlinear system. This paper studies the UKF filter method of filtering performance, existing problems and improving methods.
First of all, this paper introduces the practical application of kalman filtering in the fields such as military and its development trend in the future.And then a preliminary understanding of the meaning of the kalman filter, significantly improve the dynamic tracing accuracy, it is not only in target tracking using the current measurement value, and make full use of the previous measurement data, according to the linear minimum variance principle to find the optimal estimation. Kalman filtering eq
uation of continuous system and discrete system let us in the kalman filter equation linearized processing has a deep impression. At the same time, through the Unscented transform method, random distribution can be obtained more accurately after nonlinear transform of the mean and variance.
Again, in the process of maneuvering target tracking, the state of the target model and measurement model, right Angle tracking system and polar coordinate model and so on can better match the actual target kinematics.
Finally, the analysis of the filtering algorithm in target tracking, can simulate the kalman filtering and no trace of the kalman filter state estimation in the movement.
KEYWORDS：UKF, average, unscented transformation method, the state model, the measurement model

更多推荐

跟踪,目标,状态,学生,模型