基于卡尔曼滤波的目标跟踪研究毕业设计.docx

基于卡尔曼滤波的目标跟踪研究毕业设计.docx

《基于卡尔曼滤波的目标跟踪研究毕业设计.docx》由会员分享，可在线阅读，更多相关《基于卡尔曼滤波的目标跟踪研究毕业设计.docx（28页珍藏版）》请在冰豆网上搜索。

基于卡尔曼滤波的目标跟踪研究毕业设计

毕业设计

设计题目：

基于卡尔曼滤波的目标跟踪研究

姓名

院系

信息与电气工程学院

专业

电气工程及其自动化

年级

学号

指导教师

2012年4月24日

独创声明

本人郑重声明：

所呈交的毕业论文（设计），是本人在指导老师的指导下,独立进行研究工作所取得的成果，成果不存在知识产权争议。

尽我所知，除文中已经注明引用的内容外，本论文（设计）不含任何其他个人或集体已经发表或撰写过的作品成果。

对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。

此声明的法律后果由本人承担。

作者签名：

二0一年月日

毕业论文（设计）使用授权声明

本人完全了解鲁东大学关于收集、保存、使用毕业论文（设计）的规^定。

本人愿意按照学校要求提交论文（设计）的印刷本和电子版，同意学校保存论文（设计）的印刷本和电子版，或采用影印、数字化或其它复制手段保存论文（设计）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布论文（设计）的部分或全部内容，允许他人依法合理使用。

（保密论文在解密后遵守此规定）

论文作者（签名）：

二0—年月日

引言

1.绪论

1.1研究背景

1.1.1卡尔曼滤波提出背景

1.1.2应用范围

I.2本文研究的主要内容

2

2.初步认识卡尔曼滤波2

2.1关于卡尔曼

2.2滤波及滤波器问题浅谈2

2.3卡尔曼滤波起源及发展

3.估计原理和卡尔曼滤波2

4.卡尔曼滤波的实现

4.1卡尔曼滤波的基本假设5

4.2卡尔曼滤波的特点5

4.3卡尔曼滤波基本公式6

4.4卡尔曼滤波参数的估计和调整

5.卡尔曼滤波的相关知识

5.18

5.28

5.39

6•卡尔曼滤波器的设计

7•目标跟踪模型的建立

&结合数学模型进行matlb编程

9.目标跟踪仿真

10.结论11

II.参考文献11

12.致谢12

13

基于卡尔曼滤波的目标跟踪研究

杨倩倩

（信息与电气工程学院电气工程及其自动化2008级2班083515586）

摘要：

卡尔曼滤波是Kalman在线性最小方差估计的基础上，提出的在数学结构上比较简单的而且是最优线性递推滤波方法，具有计算量小、存储量低，实时性

高的优点。

在很多工程应用中都可以找到它的身影，包括航空器轨道修正、机器人

系统控制、雷达系统与导弹追踪等。

利用卡尔曼滤波预测物体移动的速度、角度，

确定物体下一时刻的位置，控制摄像机跟踪物体。

同时，卡尔曼滤波也是控制理论

以及控制系统工程中的一个重要话题，具有重要的工程实践意义。

此论文主要是通

过介绍卡尔曼滤波的原理，结合实际建立卡尔曼滤波数学模型，设计关于目标追踪

的卡尔曼滤波器。

关键词：

卡尔曼滤波；目标跟踪；最优

ResearchonObjectTrackingBasedonKalmanFilter

YangQianqian

（CollegeofInformationandElectricalEngineering,ElectricalEngineeringandAutomation,Class2

Grade2008,083515586）

Abstract:

KalmanFilteriseasyandoptimalLinearrecursivefilteringmethodInthemathematicalstructure,whichisraisedbyKalmanbasedonlinearminimumvarianeeestimation.lthastheadvantagesofsmallamountofcalculation,lowstoragecapacityandhighreal-time.Itcanbefoundinmanyengineeringapplication,includingaircraftrailcorrection,robotcontrolsystem,radarandmissiletrackingsystem,etc.UsingKalmanfiltertopredicttheobjectmovingspeed,angle,identificationofobjectsinthenexttimelocation,controllingthecameratrackingobject.Atthesametime,Kalmanfilterisanimportanttopicofcontroltheoryandcontrolengineeringwithimportantpracticalsignificaneeforengineering.ThispapermainlyintroducestheprincipleofKalmanfilter,combinedwithrealitytoestablishKalmanfiltermathematicalmodeltodesignobjecttrackingaboutthekalmanfilter.

KeyWords:

KalmanFilter;ObjectTracking;Optimal;

引言

本文首先介绍了卡尔曼滤波的基本原理，分析现有的跟踪算法，重点讨论卡尔曼滤波算法，行驶中的汽车所处的道路环境是相当复杂的，而安装车载雷达的

汽车本身也是不时的处于机动状态之中，因此车载雷达所探测的目标也是在不停的变化当中，邻近车道上的车辆，车道间的护拦，路旁的树木和各种标识牌以及空中和远处的高大建筑等物体会产生虚警问题。

结合路面目标跟踪的实际，卡尔

曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：

采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现在时刻的估计值。

进而建立数学模型并进行matlab编程仿真最后的出结论，具有一定的实践意义。

1绪论

1.1研究背景

1.1.1卡尔曼滤波提出背景

关于最优估计问题，在20世纪40年代初，维纳提出最优线性滤波，称为维纳滤波。

这种滤波是在信号和干扰都表示为有理谱密度的情况下，找出最优滤波

器，使得实际输出与希望输出之间的均方误差最小。

维纳滤波问题的关键是推导出维纳-霍夫积分方程，解这一积分方程可得最优滤波器的脉冲过渡函数，从脉冲过渡函数可得滤波器的传递函数。

通常解维纳-霍夫积分方程是很困难的，即使对少数情况能得到解析解，但在工程上往往难以实现。

特别对于非平稳过程，维纳滤波问题变得更为复杂。

Wiener滤波要求信号是平稳随机过程，要求存贮全部历史数据，且滤波器是非递推的，计算量和存贮量大，不便于实时应用，基于以上缺点，改进滤波器设计就有了更进一步的要求。

1960年,卡尔曼提出了在数学结构上比较简单的最优线性滤波方法，实质上

这是一种数据处理方法。

维纳滤波属于整段滤波，即把整个一段时间内所获得的测量数据存储起来，然后同时处理全部数据，估计出系统状态。

卡尔曼滤波是递推滤波，由递推方程随时间给出新的状态估计。

因此对计算机来说，卡尔曼滤波

的计算量和存储量大为减少，从而比较容易满足实时计算的要求。

因而卡尔曼滤

波在工程实践中迅速得到广泛应用

1.1.2应用范围

卡尔曼滤波器最初是专为飞行器导航而研发的，目前已成功应用在许多领域

中。

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。

许多工程系统和嵌入式系统都需要卡尔曼滤波。

比如，在雷达中，人们感兴趣的是跟踪目标，但目标的位置，速度，加速度的测量值往往在任何时候都有噪声。

卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。

这个估计可以是对当前目标位置的估计（滤波），也可以是对于将来位置的估计（预测），也可以是对过去位置的估计。

卡尔曼滤波器是一个最优化自回归数据处理算法（optimalrecursivedataprocessingalgorithm），它的广泛应用已经超过30年，包括航空器轨道修正、机器人系统控制、雷达系统与导弹追踪等。

近年来更被应用于组合导航与动态定位，传感器数据融合、微观经济学等应用研究领域。

特别是在图像处理领域如头脸识别、图像分割、图像边缘检测等当前热门研究领域占有重要地位。

基本卡尔曼滤波（KF）器限定在线性的条件下，在大多数的非线性情形下，我们使用扩展的卡尔曼1滤波（EKF器来对系统状态进行估计。

随着卡尔曼滤波理论的发展，一些实用卡尔曼滤波技术被提出来，如自适应滤波，次优滤波以及

滤波发散抑制技术等逐渐得到广泛应用。

其它的滤波理论也迅速发展，如线性

离散系统的分解滤波（信息平方根滤波，序列平方根滤波，UD分解滤波），鲁

棒滤波（H^波）。

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。

因此在应用卡尔曼滤波解决实际问题时，重要的不仅仅是算法的实现与优化问题，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，建立起精确的

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。

由于其具有实时递推、存储量小和简单易行的特点，在工程应用中受到了重视，广泛应用于信号处理、控制、通信、航天、制导、目标跟踪、石油勘探、故障诊断、卫星测控、GP定位、检测与估计、多传感器信息融合、机器人及生物医学等领域。

卡尔曼滤波器应用领域：

•自动驾驶仪

-动态定位系统

-经济学，特别是宏观经济学，时间序列模型，以及计量经济学•惯性引导系统

-雷达跟踪器

-卫星导航系统

1.2本文研究的主要内容

此论文主要是通过详细介绍卡尔曼滤波的发展背景和应用原理，并介绍各种

最优估计原理和不同的滤波器，着重分析卡尔曼滤波的优点和和在工程实践中的优良特性，结合实际建立卡尔曼滤波数学模型，对数学模型进行分析计算，结合

数学模型进行matlb编程，分析改进程序并进行仿真应用，设计关于目标追踪的卡尔曼滤波器。

2初步认识卡尔曼滤波

2.1关于卡尔曼

鲁道夫•卡尔曼（RudolfEmilKalman）,匈牙利裔美国数学家，1930年出生于匈牙利首都布达佩斯。

1953年于麻省理工学院获得电机工程学士，翌年硕士学位。

1957年于哥伦比亚大学获得博士学位。

1964年至1971年任职斯坦福大学o1971年至1992年任佛罗里达大学数学系统理论中心（CenterforMathematicalSystemTheory）主任。

1972起任瑞士苏黎世联邦理工学院数学系统理论中心主任直至退休。

现居住于苏黎世和佛罗里达。

2009年获美国国家科学奖章。

2.2滤波及滤波器问题浅谈

估计器或滤波器这一术语通常用来称呼一个系统，设计这样的系统是为了从含有噪声的数据中提取人们感兴趣的，接近规定质量的信息。

由于这样一个宽目标，估计理论应用于诸如通信、雷达、声纳、导航、地震学、生物医学工程、金融工程等众多不同的领域。

例如，考虑一个数字通信系统，其基本形式由发射机、信道和接收机连接组成。

发射机的作用是把数字源（例如计算机）产生的0、1符

号序列组成的消息信号变换成为适合于信道上传送的波形。

而由于符号间干扰和噪声的存在，信道输出端收到的信号是含有噪声的或失真的发送信号。

接收机的