一、高斯白噪声背景下机动目标未来运动状态的一步实时预报与滤波（论文文献综述）
刘洋[1]（2021）在《雷达导引头迎头转尾追空中目标跟踪方法研究》文中进行了进一步梳理机动目标跟踪是雷达信号处理领域研究中的热点课题之一,随着各类目标的机动性不断增强,对目标进行实时有效的跟踪变得越来越困难。“迎头转尾追”是防空导弹作战过程中敌方目标典型的一种逃逸方式,导致导引头无法连续稳定跟踪目标。本论文针对线性调频脉冲体制雷达导引头,对迎头转尾追空中目标开展回波建模仿真与跟踪方法研究。主要研究内容包括以下几部分:1、雷达基本原理和信号处理方法。从雷达的分类、组成以及常用测量参数等方面阐述了雷达系统的主要功能;分析了简单脉冲、LFM线性调频、步进频、调频步进等雷达系统常用信号的时域特性、频域特性,以及匹配滤波、脉冲压缩、相干积累、目标检测等信号处理方法,完成了信号仿真;2、“迎头转尾追”空中目标回波仿真。结合某课题数据获取实际场景,建立了空中迎头转尾追目标的运动轨迹模型;在此基础上构建了线性调频信号雷达回波模型;分别针对雷达上视、雷达下视两种场景,完成了迎头转尾追空中目标的雷达回波仿真;3、“迎头转尾追”目标跟踪算法研究。在机动目标运动状态建模方面,基于CV/CA模型、CTRV模型完成了“迎头转尾追”目标运动模型构建;在最优估计滤波方面,分析了卡尔曼滤波、扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）、交互多模型滤波（IMM）算法,基于α-β滤波、不敏卡尔曼滤波、交互多模型滤波算法完成了仿真实验。
王耀林[2]（2021）在《空中目标跟踪与预测关键技术的研究》文中研究说明现代空中战场环境复杂多变,各类先进的飞行器和传感器设备不断更新迭代,电子干扰手段层出不穷,目标跟踪中的强机动和高杂波等问题不断突出,这就对空中目标跟踪预测的能力与精度提出了更严格的要求,在实际工程应用中具有很高的研究价值。本文在现有目标跟踪预测算法的基础上,对机动目标的动力学模型、滤波器及其交互算法进行深入研究,针对常规多模型算法中存在的模型失配问题,提出多轴模型集匹配算法,以适应目标的不同机动特征。其次,针对现有滤波算法中滤波器与目标机动情况的对应问题,提出多滤波器选择预测算法,提高了对不同机动能力目标的轨迹跟踪预测精度。本文所取得的成果主要包括以下几个方面:（1）针对现有多模型算法中模型集固定、模型数量有限而不能覆盖三维空间中机动目标的所有机动状态的问题,本文提出了多轴模型集匹配（MMSM）算法。该算法考虑了空中目标在不同方向上机动状态的不一致性,将目标的机动状态分解到三个坐标轴上,在每个坐标轴上分别进行模型的匹配,从而提高整个算法的模型匹配率。仿真结果表明,多轴模型集匹配算法相对于以多模型为基础的交互式多模型（IMM）算法,模型失配问题得到明显改善,跟踪效果更优。（2）针对现有跟踪滤波与预测算法需要为每个模型匹配单独的滤波器以及使用算法前需要对目标的机动状态进行先验性假设等问题,本文提出了多滤波器选择预测（MFSP）算法。该算法通过对目标进行机动辨别,根据目标不同的机动强度有针对性地选择合适的滤波器,解决了滤波准确性的问题。仿真结果表明,相对于传统多模型算法,该算法的滤波效果更好,对目标轨迹的预测估计更准确。（3）在上述研究成果的基础上,结合System Vue提供的丰富的雷达元件库搭建完整的空中目标三维跟踪与预测环境,对本文提出的多轴模型集匹配和多滤波器选择预测算法进行测试。测试结果表明多轴模型集匹配算法在目标复杂机动变换时的模型匹配率更高,多滤波器选择预测算法能够有针对性地对不同机动强度的目标进行滤波预测,适用于对预测轨迹的精度要求较高的系统。
辛明真[3]（2020）在《GNSS-A水下定位与导航关键技术研究》文中进行了进一步梳理海洋定位与导航是海洋科学研究、海上交通运输、海洋权益维护、海洋资源开发、海洋工程建设、海洋环境治理和海战场建设的基础,为人类一切海上活动提供全方位、全过程、全时段、多时空、多层次、多环节的海洋时空信息与位置服务。随着海洋开发活动的深入,海洋定位与导航的需求从水面以上转变为水上、水下的全部海洋空间,尽管全球导航卫星系统（GNSS,Global Navigation Satellite System）极大推动了大地测量与导航定位领域的全新发展,但电磁波在水体中快速衰减的特性使其无法直接用于水下目标定位与导航。由于声波在海水中具有良好的传播特性,GNSS-A（Global Navigation Satellite System-Acoustic）定位与导航技术得到了广泛研究应用,但复杂的海洋动态环境变化给高精度水下定位与导航带来了一系列的关键技术问题。论文系统性地总结了水下定位与导航的研究现状,针对GNSS-A水下定位与导航中存在的水下定位声线跟踪方法、水下差分定位模型优化、水下导航滤波算法等问题,开展了系统性的理论研究、方法改进和实验分析工作。论文主要研究内容如下:（1）顾及波束入射角的水下定位声线跟踪方法海水声速的时空变化会使声波沿传播方向发生折射,有效消除声波的折射效应对提高水下声学定位精度至关重要。在声速剖面已知的情况下,声线跟踪是削弱折射效应的有效方法,但现有的声线跟踪方法要求波束入射角已知,而基于距离交会原理的水下声学定位系统通常未对波束入射角进行直接观测。针对上述问题,提出了顾及波束入射角的水下定位声线跟踪算法,采用搜索法确定波束入射角,通过对声线跟踪与定位解算的迭代计算,实现波束入射角和目标坐标的渐次修正。为进一步提高计算效率,提出了迭代求解超越方程的解算法。实验结果表明,顾及波束入射角的水下定位声线跟踪方法能够有效利用声速剖面消除声线折射效应的影响,且解算法计算效率优于搜索法。（2）水下历元间静态单差定位方法与病态解算水下历元间静态单差定位方法是通过在相邻观测历元间做差分消除部分系统性误差的影响,但可能存在的病态性问题使历元间单差定位方法未能得到广泛应用。通过分析不同观测条件（航迹、升沉等）对历元间单差定位病态程度的影响,发现相邻观测历元间的几何入射角之差是影响病态性产生的主要因素之一,提出采用正多边形航迹改善历元间单差定位的病态性。针对已经存在历元间单差定位病态问题,提出了一种基于改进L曲线的LIU型估计方法,利用均方误差和残差二范数构成的L曲线确定LIU型估计参数的优化取值。实验结果表明水下历元间静态单差定位方法能够消除部分系统性误差影响,而基于改进L曲线的LIU型估计方法有效改善了历元间单差定位的病态估计结果。（3）水下基准间动态单差定位方法与网型设计针对水下动态多基准点非差定位方法无法消除系统误差影响的问题,提出了水下基准间动态单差定位方法,通过在同一观测历元的距离观测值间进行差分计算,消除部分系统性误差的影响。基于空间位置精度因子（PDOP,Position Dilution of Precision）对基准间单差定位的网型结构进行了设计优化,针对采用顶点差分基准点的正多边形网,由于方向余弦矢量近似相等导致网型结构较差的问题,提出采用中央差分基准点的正多边形辐射网进行优化设计。长基线定位实验表明,水下基准间动态单差定位方法能够消除系统性误差的影响,且采用中央差分基准点的正多边形辐射网有效增强了网型结构的强度。（4）基于交互多模型的水下导航Kalman滤波算法构建起与水下目标实际运动状态相一致的运动模型,是保证水下导航Kalman滤波精度和可靠性的重要前提。但在复杂海洋环境的影响下,水下动态目标的运动状态具有较强的多样性与随机性,往往无法根据先验信息采用与目标实际运动状态完全匹配的运动模型。当水下目标的运动状态在机动和非机动模式之间切换时,采用单一的机动或者非机动运动模型会使得滤波精度下降甚至滤波发散。为此提出了基于交互多模型的水下导航Kalman滤波算法,利用马尔可夫先验转移概率实现了多模型的加权融合,仿真实验表明相较于基于单模型的水下导航Kalman滤波算法,基于交互多模型的水下导航Kalman滤波算法表现出了更好的运动状态适应性。
丁一[4]（2020）在《复杂背景下的雷达目标跟踪技术》文中研究说明目标跟踪技术自从上世纪中期诞生后,经过几十年的研究与发展,已经成为了雷达领域不可或缺的一项关键技术。目前,战场环境和空中情况日益复杂,给现有技术提出了巨大考验,在剩余杂波较多、多目标多架次编队、机动与交叉飞行、以及无人机等“低、慢、小”目标的跟踪处理尤其存在难度,还需要进行较多的理论研究工作。为了提高复杂背景下的雷达目标跟踪性能,我们从传统的雷达目标跟踪算法入手,针对实际问题,对常规雷达的目标跟踪算法进行了改进,并成功进行了工程实践,本文主要涉及到以下几个方面:首先对传统雷达数据处理与目标跟踪模型进行了讨论,然后对航迹起始技术进行了研究,介绍了几种常用的航迹起始算法,同时针对复杂背景下杂波剩余问题,利用已知的多普勒、距离、幅度、方位等量测信息,提出了一种基于多维量测信息的航迹起始算法,通过增加幅度、多普勒两维约束,提高了航迹起始准确性,减少了虚假航迹产生。其次,对跟踪滤波算法展开了讨论,对其基本原理、性能优劣、适用范围进行了研究。由于雷达实际工作时,目标RCS是不断起伏变化的,而现有跟踪滤波算法未考虑该问题对观测噪声统计信息的影响,所以在实际使用时跟踪性能有损失。针对这一问题,本文提出了一种基于幅度信息的跟踪滤波方法,并应用于α-β滤波、卡尔曼滤波、交互多模型等算法中,用以提高状态估计精度,该方法经过仿真验证,可以提高跟踪滤波算法工作性能。然后,本文介绍了最近邻域法、概率数据关联和联合概率数据关联等数据关联算法,针对多目标、杂波环境等复杂背景,进行了性能分析及仿真验证。最后,以不同的雷达系统为支撑,结合本文所涉及的复杂背景下雷达目标跟踪算法原理,完成了两款雷达目标跟踪及显示的实时处理终端。这两款终端除了能够实时显示信号处理点迹和跟踪得到的航迹之外,还具有点迹和航迹信息的存储与回放显示功能,实际应用结果表明在不同复杂背景下两款终端具有良好的目标跟踪能力。
罗晓勇[5]（2020）在《无线传感网络中基于交互式多模型目标跟踪算法研究》文中提出无线通信技术、嵌入式技术和传感器技术等方面的进步使得无线传感网络广泛应用于军事和民用领域中。目标跟踪作为无线传感网络的重要应用技术之一,受到了国内外专家学者的广泛关注,并取得了十分丰富的成果。近年来,目标跟踪的背景发生了很大的变化,部分民用背景的出现大大增加了机动目标的类型,给跟踪系统带来巨大的挑战。因此,针对此类运动目标研究一种跟踪精度高、实时性好的跟踪算法具有十分重要的现实意义。本文在交互式多模型目标跟踪算法的基础上进行改进,主要工作概括如下:为了提高网络的容错性和可扩展性,本文采用一种分布式无线传感网络的结构对目标进行跟踪。针对交互式多模型算法采用固定测量噪声协方差矩阵和马尔可夫转移概率矩阵导致模型切换缓慢和跟踪精度下降的问题,本文提出一种基于模型概率实时修正的交互式多模型目标跟踪算法。该算法在分布式无线传感网络的背景下引入模糊神经网络动态调整测量噪声协方差矩阵。此外,考虑模型间交互的作用,对马尔可夫转移概率矩阵进行实时修正。仿真结果表明,所给出的算法能够有效提高匹配模型的作用,抑制非匹配模型的影响,并且可以有效降低因模型切换带来的较大峰值误差的问题,具有较高的跟踪精度。针对自适应网格交互式多模型算法存在仅用角速度作为模型集的特征参数,不能完全表征目标所有的运动模式的问题,本文提出一种基于机动检测的改进变结构交互式多模型目标跟踪算法。该算法联合角速度与加速度作为模型集特征参数,同时对目标进行机动检测,根据检测结果对模型集的参数做出相应的调整,最后通过仿真验证所提算法对于机动目标具有较好的跟踪效果。
程甘志[6]（2020）在《高超声速飞行器的定位与轨迹预测》文中提出近年来,随着各大强国航空航天技术的飞速发展,临近空间高超声速飞行器以其飞行速度快,机动性能好,突防能力强,具备快速精准打击、远程投送等特点而日益备受关注。这些特性使得对该类目标的探测、拦截面临巨大挑战,各国国防安全受到了严重威胁,因而研究高超声速飞行器的定位与轨迹预测具有重要意义。然而因其在飞行过程中引入外力,气动力分析复杂,飞行弹道脱离惯性弹道,导致其状态难以预测。另外,其飞行速度快,飞行轨迹也复杂多变,运动模型难以确定导致了预测模型的不确定性。本文将理论分析与仿真实验相结合、以先定位后预测的研究构架,结合仿真模拟的高超声速飞行器数据,对高超声速飞行器的定位与轨迹预测研究如下:1、理解分析了目标飞行器的弹道特性,得到飞行器纵向运动方程组,利用四阶龙格库塔法求解运动方程,将求解得到的经纬度以及高度通过坐标转换成地惯坐标系下的空间直角坐标,为飞行器的定位与轨迹预测提供数据基础。2、针对地面雷达对带有机动的飞行器探测预警难、易受地球曲率影响等问题,研究了基于双星观测系统的目标定位方法。将飞行器三维坐标数据做成星历文件导入STK中,建立了跳跃滑翔高超声速飞行器的弹道模型,搭建了基于双星系统的目标观测场景,得到了地惯系下平台与目标间的观测矢量模型,利用双星观测系统对于目标的新型几何定位算法,推导出了地惯系下的目标定位模型,并使用蒙特卡罗法获得了目标定位误差分布,实现了对高超声速飞行器的定位。仿真结果表明,该算法将目标定位误差控制在10%以内,目标位置的定位精度平均值达到公里量级以下,证明了该算法的有效性。3、针对高超声速飞行器机动能力强、运动特征复杂以及目标先验知识掌握情况不同等问题,本文采用基于动力学模型和运动学模型两种轨迹预测方法。前者通过分析高超声速飞行器在滑翔阶段的受力情况并合理地简化条件,得到简化的动力学模型,求解微分方程获得了运动轨迹的解析形式,实现了较长时间的轨迹预测。后者针对非弹道式高超声速飞行器周期跳跃的运动特点,结合Singer运动模型,利用改进的UKF算法对目标运动状态进行跟踪估计,该算法通过引入调节因子mk、nk加强了滤波器的跟踪性能并且减小了状态滤波的初始值误差以及状态方程扰动误差对滤波结果的影响。仿真结果表明,对比于传统算法,改进后的自适应UKF算法具有较好的跟踪精度和稳定性能。利用滤波后的目标状态估计值以及DPA+LA的加速度拟合曲线,进一步递推目标飞行器轨迹。经仿真实验表明,该方法预测误差在1km范围内。
蔡李根[7]（2020）在《基于多模型的地面机动目标协同定位方法》文中研究指明近年来,作为军事领域中的重要作战单元,以装甲车、雷达车、导弹发射车等军用车辆为代表的地面机动目标凭借其机动能力强,隐蔽手段丰富的特点,在实际作战中承担着越来越丰富的作战任务,具有很大的军事价值和发展潜力,其定位问题逐渐成为研究热点。另一方面,出于降低成本、提高可靠性和信息融合的考虑,具有低成本、灵活性高优点的无人机开始在军事上广泛应用,因此,可以利用多无人机搭载传感器开展对地面机动目标的协同定位技术研究。地面机动目标协同定位方法是精确打击敌方地面机动目标的核心技术,同时也是战场态势感知的重要保障,本论文以军用车辆为代表的地面机动目标为对象,利用搭载红外传感器的多无人机对其协同定位方法开展深入研究,主要内容包括:根据地面机动目标的可能运动形式,建立相应的运动模型,建立无人机所搭载红外传感器的量测方程;考虑到协同定位问题的非线性,给出容积卡尔曼滤波算法的基本流程,为了进一步提高估计精度,引入迭代容积卡尔曼滤波算法,并对迭代容积卡尔曼滤波算法进行改进;建立数学仿真场景,分别基于三种非线性滤波方法设计地面机动目标的协同定位算法,通过蒙特卡洛数学仿真对比分析各种非线性滤波方法在地面机动目标协同定位中的性能,验证本论文所提改进迭代容积卡尔曼滤波算法的优越性。考虑到地面机动目标的运动形式多样采用单个模型无法覆盖其运动形式的问题,引入多模型的概念,给出定结构多模型算法的具体框架;提出基于改进迭代容积卡尔曼滤波算法的交互式多模型算法,针对地面机动目标的可能运动形式进行模型集的设计;建立地面目标连续机动的仿真场景,进行蒙特卡罗数学仿真,验证交互式多模型算法相比于单模型算法的自适应性和高精度优势;在同一场景下,对比分析几种典型定结构多模型算法的协同定位结果,验证交互式多模型算法相比于其他定结构多模型算法,具有最高的效费比;利用交互式多模型算法,通过控制变量的方法,分析红外传感器测角精度等因素对于地面机动目标协同定位结果的影响,为工程实际中提高地面机动目标协同定位性能提供一定的参考。针对交互式多模型算法存在其固定模型集难以应对地面机动目标的复杂机动场景的局限性,基于图论引入了变结构多模型算法的概念,研究了动态有向图、有向图切换和自适应网格三种模型切换方法,提出了一种基于改进迭代容积卡尔曼滤波的自适应网格交互式多模型算法;建立地面目标复杂机动场景,通过数学仿真对比分析,验证了自适应网格交互式多模型算法模型集自适应算法的有效性和相比于交互式多模型的精度优势;分别利用动态有向图、有向图切换设计相应的变结构多模型协同定位算法,通过仿真对比验证了本文所提自适应网格交互式多模型算法的模型集切换效率和估计精度的优越性。
郭正琨[8]（2020）在《目标运动子空间建模与状态估计》文中指出目标跟踪是雷达数据处理中的一个重要组成部分,它指对来自目标的量测进行处理,有效抑制雷达测量过程中引入的随机误差,保持对目标状态的实时估计。对于多普勒雷达,传统的目标跟踪方法主要有两类:1)将目标运动在笛卡尔空间建模,利用含多普勒量测的观测直接估计目标运动的笛卡尔空间状态,多普勒量测的强非线性是近十年来这类问题研究的难点和热点;2)将目标运动在观测坐标系中建模,从而使观测方程线性高斯的优势得以保留,但目前这类问题中使用的观测坐标模型都是近似的经验模型,不能准确反映观测分量随时间演化的真实规律。为了解决以上问题,本论文深入开展目标运动的子空间建模和状态估计方法的研究,取得的主要成果如下:1.针对多普勒观测的强非线性问题,提出了一种相控阵雷达方向余弦坐标系中合理利用多普勒量测提高估计精度的目标跟踪方法。通过距离和多普勒的乘积构造转换多普勒,再由转换多普勒及其导数构造伪状态,将强非线性的多普勒信息转换到线性伪状态子空间处理,以便选取线性滤波器更精确地提取多普勒量测中包含的目标运动速度信息。同时推导方向余弦坐标系中位置量测转换和多普勒量测转换及其转换量测误差的均值、协方差和互协方差,构造两个线性估计器分别从转换位置量测和转换多普勒量测中提取目标运动的笛卡尔状态信息和伪状态信息,将两者在最小均方误差（Minimum Mean Squared Error,MMSE）准则下静态融合出目标的最终状态。典型对比仿真实验表明,本文所提方法可有效提高目标跟踪的估计精度和稳定性,尤其在位置量测误差比较大的场景下,本文所提方法估计的位置相对均方根误差（Relative Root Mean Square Error,RRMSE）和速度RRMSE相比序贯扩展卡尔曼滤波器（Sequential Extented Kalman Filter,SEKF）和不敏卡尔曼滤波器（Unscented Kalman Filter,UKF）可降低约30%以上。2.针对观测坐标精确模型缺失的问题,对目标运动在距离-多普勒子空间建模,推导了距离和多普勒的时间演化方程,提出了一种仅用距离量测和多普勒量测直接提取目标距离信息和多普勒信息的状态估计方法,这为在距离-多普勒子空间进行目标跟踪和其他应用建立了理论基础。本文首先利用距离、多普勒以及它们乘积的导数,分别构造三种常见运动匀速直线运动（Constant Velocity,CV）、匀加速直线运动（Constant Acceleration,CA）和恒转弯运动（Constant Turn,CT）在距离-多普勒子空间的状态向量。然后利用显式替代的方法,根据距离-多普勒状态和笛卡尔状态之间的函数关系,推导各个运动的距离-多普勒状态转移方程。最后利用UKF从距离量测和多普勒量测中提取目标的距离-多普勒状态,从而得到目标的距离估计和多普勒估计,并根据两点差分法推导滤波器的初始化公式,合理地处理距离-多普勒状态向量内部元素之间的相关性。典型对比仿真实验表明,基于本文建立的精确距离-多普勒子空间模型的状态估计方法,可有效提高距离和多普勒的估计精度,相比基于经验模型的距离估计和多普勒估计,RMSE可分别降低约20%和50%以上。3.在工作2的基础上,研究了仅用距离观测的状态估计方法。仅用距离观测完成对距离本身观测噪声的滤波,同时实现对多普勒等参数的动态估计。首先根据两点差分法推导三种常见运动CV运动、CA运动和CT运动在只有距离量测情况下的滤波器初始化公式。然后对于初始化高阶模型时两点差分法误差大的问题,提出了一种基于距离-多普勒状态模型的初始化方法。通过状态转移方程,构造距离-多普勒状态向量和几个连续扫描周期的距离真值之间的函数关系,利用距离量测替代距离真值初始化状态向量各分量;再通过初始状态向量和几个连续扫描周期的距离量测之间的函数关系,利用不敏变换（Unscented Transformation,UT）计算初始协方差。由于考虑了真实的目标运动模型,即状态转移方程的约束,而不是简单地使用两点差分法进行近似,新的初始化方法更精确,尤其是在目标距离随时间非线性变化的场景。最后利用UKF从距离量测中提取目标的距离-多普勒状态,从而得到目标的距离估计和多普勒估计。典型对比仿真实验表明,只用距离量测进行状态估计的方法是有效的,新的初始化方法相比两点差分法更精确,距离估计和多普勒估计的RMSE可分别降低约30%和50%以上。
赖福天[9]（2020）在《机动目标跟踪方法研究》文中研究表明随着科技的不断进步,以空天飞机、弹道导弹、五代飞机为代表的高速、高机动飞行器层出不穷,给雷达目标探测带来了很大的挑战。现有目标跟踪算法在目标平稳运动时,可以获得较好的跟踪性能。但当目标发生机动时,这些算法通常会出现显着的性能下降,如何对机动目标进行稳健有效的跟踪成为了亟待解决的重要问题。本文针对机动目标跟踪问题,重点研究了结合AR模型、平滑滤波和交互式多模型结构的机动目标跟踪算法,基于机动模型的再入段锥体目标跟踪与质阻比估计方法,并利用编程语言实现了雷达系统中目标跟踪模块的设计。论文的主要内容如下:1.针对IMM算法中模型概率的修正方法展开了研究。介绍了几种常用的运动模型以及EKF滤波器的基本原理,在此基础上给出了一种基于EKF滤波算法的RTS平滑器。推导了AR模型,给出了AR模型系数的求解方法并分析了AR模型在机动目标跟踪问题中的优势。介绍了IMM的基本原理,基于ERTSS平滑器给出了一种利用平滑状态协方差来修正IMM算法中模型概率的方法。在此基础上结合AR模型提出了一种基于ERTSS平滑滤波的AR模型交互式多模型算法,并给出了该算法的具体实现步骤。通过仿真验证了AR模型相比于传统的离散时间模型在目标跟踪问题中的优势,验证了本文给出的一种基于ERTSS平滑滤波的AR模型交互式多模型算法对机动目标跟踪的优异性能。2.针对再入目标的跟踪与质阻比估计问题展开研究。首先给出了再入目标质阻比的定义以及大气密度建模方法,然后通过对再入目标进行受力分析建立了再入目标的运动状态方程以及雷达量测方程。介绍了UKF滤波器的基本原理,并针对UKF滤波器的缺陷给出一种改进的UKF滤波器,通过引入渐消因子来修正UKF滤波器的预测协方差以达到调整滤波增益的目的,通过仿真验证了该算法的优越性。介绍了LSTM网络的原理及特点,在此基础上提出了一种基于LSTM的再入目标质阻比估计方法,给出了LSTM网络的训练方法并通过实验仿真验证了LSTM网络对再入目标质阻比估计的卓越性能。3.针对目标跟踪技术的工程实现问题,利用编程语言实现了雷达系统中目标跟踪模块的设计。介绍了与目标跟踪模块设计有关的数据的动态存储、数据的封装、内存对齐、参数传递等方法,并给出了目标跟踪模块的实现流程以及重要函数的接口与功能。最后将编程实现的目标跟踪模块与雷达系统中其余模块整合到一起,通过联调验证了目标跟踪模块的正确性,具有很高的工程应用价值。
刘璐[10]（2020）在《一类非理想条件下的状态估计及在目标跟踪中的应用》文中研究表明状态估计是一种基于状态空间模型的动态估计方法,它能够从带有噪声和随机干扰信号的量测信息中估计出系统状态。随着现代航空、航天、航海事业的快速发展和网络化、信息化的普及,状态估计已经成为国防和民用领域的研究热点。传统的状态估计方法通常假设系统处于理想状态。然而,由于人们认识的局限性、设备的复杂性以及环境的多变性,任意一个实际系统都会存在不同程度的不确定性,理想条件无法严格满足。此时,如果在非理想条件下采用传统的状态估计方法进行估计,显然无法获得理想的效果。因此,为了获取适用性更强、精度更高的状态估计方法,本文在前人工作的基础上,围绕一类由不确定性引起的非理想条件下的状态估计问题展开研究,重点考虑噪声统计特性未知、具有随机时滞、模型跳变和模型带有未知参数四种情况,并通过状态估计的典型应用——目标跟踪进行仿真实验,验证所提算法的有效性。主要研究内容如下:分析了噪声统计特性未知对状态估计的不利影响,从高斯滤波入手,基于期望极大化方法设计了能够在线估计噪声未知统计特性的自适应非线性高斯滤波算法,为解决噪声统计特性未知问题提供了一个通用的高斯滤波框架;采用球径容积变换规则实现自适应非线性高斯滤波算法,提出了一种自适应平方根容积卡尔曼滤波（Adaptive Square-root Cubature Kalman Filter,ASCKF）算法;通过单变量非静态增长模型验证了所提ASCKF算法在过程噪声统计特性未知的情况下能够保证估计精度;通过目标跟踪模型验证了所提ASCKF算法在量测噪声统计特性未知的条件下仍能保持较小的跟踪误差;通过目标跟踪模型对比自适应扩展卡尔曼滤波算法、自适应无迹卡尔曼滤波算法以及ASCKF算法的性能,验证了所提自适应非线性高斯滤波框架的可靠性。考虑具有随机时滞的状态估计,利用Bernoulli分布建立了含有随机量测时滞的状态空间模型,先推导了能够处理两步随机量测时滞的非线性高斯滤波算法,进一步设计了具有任意步随机量测时滞的高斯滤波框架;为实现上述非线性高斯滤波算法,提出了能够具有两步随机量测时滞的无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法;并结合关于噪声统计特性未知情况下状态估计问题的研究,针对系统中同时包含一步随机量测时滞与量测噪声统计特性未知的情况,提出了具有未知量测噪声和随机量测时滞的UKF算法;通过目标跟踪系统验证了所提算法的有效性,仿真结果表明所提的两种算法均能达到预期效果,获得良好的估计精度。针对模型跳变情况,研究交互式多模型（Interactive Multiple Model,IMM）算法。通过详细分析经典IMM算法的推导过程发现:模型转移概率和模型集的选择是影响IMM算法性能的两个关键因素。首先从模型转移概率入手,采用模糊逻辑的思想设计模型转移概率模块,提出了基于模糊逻辑的交互式多模型（Interactive Multiple Model based on Fuzzy Logic,FLIMM）算法;然后,采用变结构多模型算法解决模型集的选择问题,设计了基于自适应网格的交互式多模型（Interactive Multiple Model based on Adaptive Grid,AGIMM）算法;最后通过目标跟踪仿真实验,验证了FLIMM算法能够缩短模型概率更新所需的时间,获得更高的估计精度;AGIMM算法在复杂机动情况下可以降低计算量,提高跟踪性能。为解决非线性、非高斯系统模型带有未知参数的问题,建立了自组织状态空间模型;由于粒子滤波（Particle Filter,PF）算法存在的粒子贫化会导致估计精度下降以及使用自组织状态空间模型时未知参数易陷入初始取样集,采用萤火虫算法的寻优策略来优化传统PF算法的粒子分布,提出了基于萤火虫算法的智能粒子滤波（Firefly Algorithm-based Particle Filter,FA-PF）算法;分别对模型参数完全已知和模型含有未知参数的目标跟踪系统进行仿真实验。仿真结果表明FA-PF算法不仅抑制了粒子贫化的带来的不利影响,而且通过萤火虫寻优策略的优化,使粒子向真实的后验分布移动,有效地避免了未知参数陷入局部最优,使未知参数的估计值向真实值“移动”,最终获得了较高的跟踪精度。
二、高斯白噪声背景下机动目标未来运动状态的一步实时预报与滤波（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、高斯白噪声背景下机动目标未来运动状态的一步实时预报与滤波（论文提纲范文）
（1）雷达导引头迎头转尾追空中目标跟踪方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 机动目标雷达回波建模仿真研究现状 |
| 1.2.2 机动目标跟踪研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 雷达信号处理原理 |
| 2.1 雷达基本原理 |
| 2.1.1 雷达分类和组成 |
| 2.1.2 雷达目标参数测量原理 |
| 2.2 信号处理 |
| 2.2.1 几种常见的发射信号模型 |
| 2.2.2 回波信号处理 |
| 2.3 本章小结 |
| 第三章 迎头转尾追空中目标回波仿真 |
| 3.1 迎头转尾追空中目标建模 |
| 3.1.1 迎头转尾追上视目标 |
| 3.1.2 迎头转尾追下视目标 |
| 3.2 回波仿真 |
| 3.2.1 LFM信号目标回波建模仿真 |
| 3.2.2 雷达噪声建模仿真 |
| 3.2.3 杂波建模仿真 |
| 3.3 迎头转尾追空中目标回波仿真 |
| 3.3.1 迎头转尾追空中上视目标回波仿真 |
| 3.3.2 迎头转尾追空中下视目标回波仿真 |
| 3.4 本章小结 |
| 第四章 迎头转尾追空中目标跟踪 |
| 4.1 目标跟踪的原理 |
| 4.2 目标运动模型 |
| 4.2.1 CV和CA运动模型 |
| 4.2.2 CTRV运动模型 |
| 4.2.3 迎头转尾追目标模型 |
| 4.3 滤波算法 |
| 4.3.1 卡尔曼滤波 |
| 4.3.2 扩展卡尔曼滤波 |
| 4.3.3 不敏卡尔曼滤波 |
| 4.3.4 多模型滤波 |
| 4.4 仿真验证 |
| 4.4.1 目标跟踪仿真实验一 |
| 4.4.2 目标跟踪仿真实验二 |
| 4.4.3 目标跟踪仿真实验三 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 致谢 |
| 参考文献 |
（2）空中目标跟踪与预测关键技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标动力学模型研究现状 |
| 1.2.2 滤波预测算法研究现状 |
| 1.2.3 跟踪算法的研究现状 |
| 1.3 论文研究目标与内容 |
| 1.4 论文结构安排 |
| 第2章 机动目标的动力学模型和跟踪预测理论 |
| 2.1 机动目标跟踪原理 |
| 2.2 机动目标动力学模型 |
| 2.2.1 匀速(CV)运动模型 |
| 2.2.2 匀加速(CA)运动模型 |
| 2.2.3 “当前”统计(CS)模型 |
| 2.2.4 协同转弯(CT)运动模型 |
| 2.3 跟踪滤波与预测算法 |
| 2.3.1 卡尔曼滤波(KF)算法 |
| 2.3.2 扩展卡尔曼滤波(EKF)算法 |
| 2.3.3 无迹卡尔曼滤波(UKF)算法 |
| 2.3.4 交互式多模型(IMM)算法 |
| 2.4 本章小结 |
| 第3章 多轴模型集匹配算法的研究 |
| 3.1 对目标跟踪方法中模型集的分析 |
| 3.2 MMSM算法的提出 |
| 3.2.1 MMSM算法的流程 |
| 3.2.2 MMSM算法的原理 |
| 3.2.3 坐标转换 |
| 3.2.4 各轴模型集的选择 |
| 3.3 算法分析 |
| 3.4 本章小结 |
| 第4章 多滤波器选择预测算法的研究 |
| 4.1 对目标跟踪方法中滤波器的分析 |
| 4.2 MFSP算法的提出 |
| 4.2.1 MFSP算法的流程 |
| 4.2.2 MFSP算法的原理 |
| 4.2.3 空间模型集的选择 |
| 4.3 算法分析 |
| 4.4 本章小结 |
| 第5章 雷达目标跟踪与预测系统的仿真与测试 |
| 5.1 System Vue软件简介 |
| 5.2 System Vue元件库介绍 |
| 5.3 雷达目标跟踪与预测系统的仿真环境搭建 |
| 5.3.1 雷达系统模块测试 |
| 5.3.2 雷达目标跟踪预测模块的设计 |
| 5.4 建模仿真与分析 |
| 5.4.1 MMSM算法仿真分析与比较 |
| 5.4.2 MFSP算法仿真分析与比较 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（3）GNSS-A水下定位与导航关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与安排 |
| 2 GNSS-A水下定位与导航 |
| 2.1 GNSS-A水下定位系统 |
| 2.2 GNSS-A水下定位模型 |
| 2.3 定位误差分析 |
| 2.4 定位估计方法 |
| 2.5 本章小结 |
| 3 水下定位声线跟踪方法 |
| 3.1 水下定位常梯度声线跟踪方法 |
| 3.2 水下定位等效声速声线跟踪方法 |
| 3.3 水下定位声线跟踪方法实验与分析 |
| 3.4 本章小结 |
| 4 水下历元间静态单差定位方法 |
| 4.1 水下历元间静态单差定位方法 |
| 4.2 基于改进L曲线的LIU型估计方法 |
| 4.3 水下历元间静态单差定位实验与分析 |
| 4.4 本章小结 |
| 5 水下基准间动态单差定位方法 |
| 5.1 水下基准间动态单差定位方法 |
| 5.2 水下基准间动态单差网型分析 |
| 5.3 水下基准间动态单差定位实验与分析 |
| 5.4 本章小结 |
| 6 交互多模型水下导航滤波方法 |
| 6.1 Kalman滤波与运动模型 |
| 6.2 交互多模型Kalman滤波方法 |
| 6.3 水下导航滤波实验与分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）复杂背景下的雷达目标跟踪技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文结构及内容安排 |
| 第二章 雷达数据处理与航迹起始算法 |
| 2.1 雷达数据处理与目标跟踪 |
| 2.1.1 雷达数据处理流程 |
| 2.1.2 雷达数据处理与目标跟踪的基本概念 |
| 2.2 航迹起始算法基本原理 |
| 2.2.1 直观法 |
| 2.2.2 逻辑法 |
| 2.2.3 修正的逻辑法 |
| 2.2.4 Hough变换法 |
| 2.2.5 仿真分析 |
| 2.3 一种基于多维量测信息的改进航迹起始算法 |
| 2.3.1 算法原理 |
| 2.3.2 仿真分析 |
| 2.4 本章小结 |
| 第三章 跟踪滤波算法与数据关联算法 |
| 3.1 常用跟踪滤波算法研究 |
| 3.1.1 卡尔曼滤波算法 |
| 3.1.2 α-β滤波算法 |
| 3.1.3 交互多模型算法 |
| 3.1.4 仿真分析 |
| 3.2 改进的跟踪滤波算法 |
| 3.2.1 基于幅度信息的卡尔曼滤波算法 |
| 3.2.2 基于幅度信息的α-β滤波算法 |
| 3.2.3 基于幅度信息的交互多模型算法 |
| 3.2.4 仿真分析 |
| 3.3 数据互联算法 |
| 3.3.1 最近邻域算法 |
| 3.3.2 概率数据互联算法 |
| 3.3.3 联合概率数据互联算法 |
| 3.3.4 仿真分析 |
| 3.4 本章小结 |
| 第四章 目标跟踪显示终端设计与实现 |
| 4.1 Qt开发平台与相关雷达系统介绍 |
| 4.1.1 Qt简介 |
| 4.1.2 Qt编程特点 |
| 4.1.3 相关雷达系统介绍 |
| 4.2 终端总体功能与界面设计 |
| 4.2.1 显示终端总体功能要求 |
| 4.2.2 显示终端总体界面设计 |
| 4.3 终端功能模块与设计方法 |
| 4.3.1 数据通信模块 |
| 4.3.2 点迹处理模块 |
| 4.3.3 航迹数据处理模块 |
| 4.3.4 数据存储回放模块 |
| 4.3.5 参数设置与控制模块 |
| 4.3.6 显示模块 |
| 4.4 终端显示结果展示 |
| 4.4.1 XX型雷达系统目标跟踪及显示终端展示 |
| 4.4.2 LFMCW体制阵列雷达系统显示终端展示 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 内容总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）无线传感网络中基于交互式多模型目标跟踪算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第2章 无线传感网络目标跟踪算法 |
| 2.1 WSNs的结构 |
| 2.2 WSNs目标定位跟踪方法 |
| 2.2.1 基于测距的定位方法 |
| 2.2.2 基于非测距的定位方法 |
| 2.3 目标跟踪的运动模型 |
| 2.3.1 匀速模型和匀加速模型 |
| 2.3.2 协同转弯模型 |
| 2.3.3 当前统计模型 |
| 2.4 非线性卡尔曼滤波算法 |
| 2.4.1 EKF算法 |
| 2.4.2 UKF算法 |
| 2.5 影响目标跟踪算法性能的因素 |
| 2.6 本章小结 |
| 第3章 基于模型概率实时修正的IMM目标跟踪算法 |
| 3.1 观测方程的构建 |
| 3.1.1 WKNN算法构建观测方程 |
| 3.1.2 SVR算法构建观测方程 |
| 3.2 IMM目标跟踪算法 |
| 3.3 基于模型概率实时修正的IMM目标跟踪算法 |
| 3.3.1 FNN基本原理 |
| 3.3.2 FNN调整观测噪声协方差矩阵 |
| 3.3.3 Markov转移概率矩阵实时修正 |
| 3.4 仿真结果与分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 不同方法构建构建观测方程对跟踪性能的影响 |
| 3.4.3 跟踪性能对比 |
| 3.4.4 模型概率曲线对比 |
| 3.5 本章小结 |
| 第4章 基于机动检测的改进变结构IMM目标跟踪算法 |
| 4.1 AGIMM算法 |
| 4.2 基于机动检测的改进变结构IMM目标跟踪算法 |
| 4.2.1 目标机动检测 |
| 4.2.2 模型集自适应变结构原理 |
| 4.3 仿真结果与分析 |
| 4.3.1 仿真参数设置 |
| 4.3.2 左模型和右模型角速度收敛性分析 |
| 4.3.3 算法跟踪性能比较 |
| 4.3.4 不同参数对跟踪结果的影响 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（6）高超声速飞行器的定位与轨迹预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高超声速飞行器发展概述 |
| 1.2.2 高超声速飞行器定位跟踪技术的研究现状 |
| 1.2.3 高超声速飞行器轨迹预测的发展现状 |
| 1.3 主要工作与内容安排 |
| 第二章 高超声速飞行器定位原理与轨迹预测的理论基础 |
| 2.1 高超声速飞行器的运动模型 |
| 2.1.1 高超声速飞行器运动方程 |
| 2.1.2 高超声速飞行器运动特性分析 |
| 2.2 卫星定位原理 |
| 2.2.1 卫星定位的可观测性分析 |
| 2.2.2 双星定位原理 |
| 2.3 用于轨迹预测的理论基础 |
| 2.3.1 动力学模型 |
| 2.3.2 动力学方程 |
| 2.3.3 运动学模型 |
| 2.3.4 常用非线性滤波算法原理 |
| 2.3.5 无迹卡尔曼滤波 |
| 2.4 本章小结 |
| 第三章 基于双星观测系统的高超声速飞行器的定位 |
| 3.1 目标几何定位算法 |
| 3.2 STK目标观测场景的搭建 |
| 3.2.1 walker星座的选择 |
| 3.2.2 目标星历文件 |
| 3.3 实验及分析 |
| 3.3.1 仿真实验 |
| 3.3.2 影响目标定位精度因素的分析 |
| 3.4 本章小结 |
| 第四章 基于两种不同模型的高超声速飞行器的轨迹预测 |
| 4.1 基于动力学模型的高超声速飞行器的轨迹预测 |
| 4.1.1 动力学模型的建模 |
| 4.1.2 简化动力学模型 |
| 4.1.3 求解预测模型 |
| 4.1.4 实验及预测精度分析 |
| 4.2 基于运动学模型的高超声速飞行器的轨迹预测 |
| 4.2.1 时变噪声统计估计器 |
| 4.2.2 基于双因子加强的自适应无迹卡尔曼跟踪滤波算法 |
| 4.2.3 基于CS模型的扩展卡尔曼算法仿真实验 |
| 4.2.4 基于Singer模型的改进无迹卡尔曼算法实验以及仿真分析 |
| 4.2.5 目标轨迹外推及预测精度分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于多模型的地面机动目标协同定位方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 目标运动模型研究现状 |
| 1.2.2 多模型算法结构研究现状 |
| 1.2.3 非线性滤波方法研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 机动目标协同定位建模与验证 |
| 2.1 引言 |
| 2.2 地面目标运动模型 |
| 2.2.1 CV和CA模型 |
| 2.2.2 “当前”统计模型 |
| 2.2.3 协同转弯模型 |
| 2.3 红外传感器测量模型 |
| 2.4 基于确定性采样的非线性滤波方法 |
| 2.4.1 容积卡尔曼滤波 |
| 2.4.2 迭代容积卡尔曼滤波 |
| 2.4.3 改进迭代容积卡尔曼滤波 |
| 2.4.4 协同定位滤波器设计 |
| 2.5 基于拉丁超立方抽样的测量噪声模拟方法 |
| 2.6 数学仿真及分析 |
| 2.6.1 仿真场景 |
| 2.6.2 蒙特卡洛仿真及分析 |
| 2.7 本章小结 |
| 第3章 基于定结构多模型的机动目标协同定位方法 |
| 3.1 引言 |
| 3.2 定结构多模型算法基本框架 |
| 3.3 基于改进迭代容积卡尔曼滤波的交互式多模型算法 |
| 3.3.1 模型集选取 |
| 3.3.2 滤波器设计 |
| 3.3.3 仿真场景 |
| 3.3.4 数学仿真及分析 |
| 3.4 定结构多模型算法仿真对比分析 |
| 3.5 协同定位性能影响因素分析 |
| 3.5.1 红外传感器测角精度分析 |
| 3.5.2 红外传感器采样步长分析 |
| 3.5.3 无人机基线长度分析 |
| 3.5.4 无人机数量分析 |
| 3.5.5 模型转移概率矩阵分析 |
| 3.6 本章小结 |
| 第4章 基于变结构多模型的机动目标协同定位方法 |
| 4.1 引言 |
| 4.2 变结构多模型算法基本框架 |
| 4.3 基于改进迭代容积卡尔曼滤波的自适应网格交互式多模型算法 |
| 4.3.1 自适应网格交互式多模型算法设计 |
| 4.3.2 仿真场景 |
| 4.3.3 数学仿真与分析 |
| 4.4 变结构多模型算法仿真对比分析 |
| 4.4.1 基于改进迭代容积卡尔曼滤波的动态有向图交互式多模型算法 |
| 4.4.2 基于改进迭代容积卡尔曼滤波的有向图切换交互式多模型算法 |
| 4.4.3 对比分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文及其它成果 |
| 致谢 |
（8）目标运动子空间建模与状态估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标运动建模与状态估计 |
| 1.2.2 多普勒雷达目标跟踪 |
| 1.2.3 无角度量测目标跟踪 |
| 1.3 本文主要研究内容与章节安排 |
| 第2章 运动建模与估计理论基础 |
| 2.1 运动建模理论 |
| 2.1.1 状态空间描述法 |
| 2.1.2 常见运动模型 |
| 2.2 状态估计理论 |
| 2.2.1 基本估计方法 |
| 2.2.2 最小均方误差估计 |
| 2.2.3 卡尔曼滤波 |
| 2.3 估计性能的评价指标 |
| 2.4 本章小节 |
| 第3章 伪状态子空间建模与多普勒雷达跟踪 |
| 3.1 问题描述 |
| 3.2 伪状态子空间建模 |
| 3.2.1 匀速直线运动 |
| 3.2.2 匀加速直线运动 |
| 3.3 量测转换 |
| 3.3.1 多普勒量测转换 |
| 3.3.2 位置量测转换 |
| 3.3.3 量测转换之间的相关性 |
| 3.4 跟踪滤波器 |
| 3.4.1 转换多普勒量测卡尔曼滤波 |
| 3.4.2 转换位置量测卡尔曼滤波 |
| 3.4.3 静态融合 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 第4章 距离-多普勒子空间建模与状态估计 |
| 4.1 问题描述 |
| 4.2 距离-多普勒子空间建模 |
| 4.2.1 匀速直线运动 |
| 4.2.2 匀加速直线运动 |
| 4.2.3 恒转弯运动 |
| 4.3 距离-多普勒状态估计 |
| 4.3.1 量测方程 |
| 4.3.2 滤波算法 |
| 4.3.3 滤波器初始化 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 仅用距离观测的子状态估计 |
| 5.1 问题描述 |
| 5.2 两点差分法初始化 |
| 5.3 基于状态方程的初始化方法 |
| 5.3.1 匀速直线运动 |
| 5.3.2 匀加速直线运动 |
| 5.3.3 恒转弯运动 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（9）机动目标跟踪方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机动目标跟踪的研究现状 |
| 1.2.2 再入目标质阻比估计的研究现状 |
| 1.3 论文的主要研究内容和结构 |
| 第二章 基于模型概率修正的机动目标跟踪 |
| 2.1 目标运动模型 |
| 2.1.1 匀速模型(CV模型) |
| 2.1.2 匀加速模型(CA模型) |
| 2.1.3 匀速转弯模型(CT模型) |
| 2.2 基于EKF的平滑算法 |
| 2.2.1 扩展卡尔曼滤波器(EKF) |
| 2.2.2 基于EKF的RTS平滑器(ERTSS) |
| 2.3 基于平滑滤波的AR模型交互式多模型算法 |
| 2.3.1 AR模型 |
| 2.3.2 交互式多模型(IMM)算法 |
| 2.3.3 基于ERTSS的模型概率修正 |
| 2.3.4 基于平滑滤波的ARIMM算法实现步骤 |
| 2.4 仿真结果及分析 |
| 2.4.1 实验一:CV模型与一阶AR模型跟踪性能对比 |
| 2.4.2 实验二:基于ERTSS平滑滤波的ARIMM算法性能验证 |
| 2.5 本章小结 |
| 第三章再入目标跟踪与质阻比估计 |
| 3.1 再入目标运动分析 |
| 3.1.1 质阻比的定义 |
| 3.1.2 大气密度建模 |
| 3.1.3 再入目标受力分析 |
| 3.2 再入目标运动及雷达量测建模 |
| 3.2.1 坐标系介绍 |
| 3.2.2 再入目标运动状态方程 |
| 3.2.3 再入目标雷达量测方程 |
| 3.3 一种改进的UKF滤波算法 |
| 3.3.1 无迹卡尔曼滤波器(UKF) |
| 3.3.2 一种引入渐消因子的UKF滤波算法 |
| 3.3.3 仿真结果及分析 |
| 3.4 基于LSTM的再入目标质阻比估计方法 |
| 3.4.1 LSTM神经网络介绍 |
| 3.4.2 LSTM网络的训练 |
| 3.4.3 仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 雷达系统中目标跟踪模块的工程实现 |
| 4.1 开发环境介绍 |
| 4.1.1 Microsoft Visual Studio 2013 开发环境 |
| 4.1.2 Intel MKL函数库 |
| 4.2 目标跟踪模块编程实现 |
| 4.2.1 目标跟踪模块的设计 |
| 4.2.2 算法流程及函数功能 |
| 4.2.3 实验结果及分析 |
| 4.3 本章小结 |
| 第五章总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）一类非理想条件下的状态估计及在目标跟踪中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非线性滤波 |
| 1.2.2 非理想条件下的状态估计 |
| 1.2.3 目标跟踪 |
| 1.3 论文主要研究内容和结构安排 |
| 第2章 状态估计理论基础 |
| 2.1 引言 |
| 2.2 估计基本概念 |
| 2.2.1 最小二乘估计 |
| 2.2.2 最小方差估计 |
| 2.2.3 极大似然估计 |
| 2.3 Bayes滤波 |
| 2.3.1 非线性高斯滤波 |
| 2.3.2 粒子滤波 |
| 2.3.3 几种非线性滤波之间的关系 |
| 2.4 多模型算法 |
| 2.5 目标跟踪基本知识 |
| 2.6 本章小结 |
| 第3章 噪声统计特性未知情况下的状态估计算法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 噪声均值非零情况下的非线性高斯滤波算法 |
| 3.2.2 噪声统计特性未知带来的影响 |
| 3.3 自适应非线性高斯滤波算法设计 |
| 3.3.1 期望极大化算法 |
| 3.3.2 自适应非线性高斯滤波算法 |
| 3.4 自适应平方根容积卡尔曼滤波算法 |
| 3.5 仿真分析 |
| 3.5.1 过程噪声未知情况下的单变量非静态增长模型 |
| 3.5.2 量测噪声未知情况下的目标跟踪 |
| 3.6 本章小结 |
| 第4章 具有随机时滞情况下状态估计算法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 具有任意步随机时滞的高斯滤波算法设计 |
| 4.3.1 具有两步随机时滞的非线性高斯滤波算法 |
| 4.3.2 具有任意步随机时滞的非线性高斯滤波算法 |
| 4.4 具有两步随机时滞的无迹卡尔曼滤波算法 |
| 4.5 具有未知量测噪声和随机量测时滞的无迹卡尔曼滤波算法 |
| 4.6 仿真分析 |
| 4.6.1 具有随机时滞情况下的目标跟踪 |
| 4.6.2 具有未知量测噪声和随机量测时滞情况下的目标跟踪 |
| 4.7 本章小结 |
| 第5章 模型跳变情况下的状态估计算法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 交互式多模型算法 |
| 5.2.2 算法分析 |
| 5.3 基于模糊逻辑的交互式多模型算法设计 |
| 5.3.1 模糊逻辑理论 |
| 5.3.2 基于模糊逻辑的交互式多模型算法 |
| 5.4 基于自适应网格的交互式多模型算法 |
| 5.5 仿真分析 |
| 5.5.1 考虑具有两种运动方式的目标跟踪模型 |
| 5.5.2 考虑复杂“蛇形”机动的目标跟踪模型 |
| 5.6 本章小结 |
| 第6章 模型带有未知参数情况下的状态估计算法 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.2.1 建立自组织状态空间模型 |
| 6.2.2 自组织状态空间模型与粒子滤波存在的问题 |
| 6.3 基于萤火虫算法的智能粒子滤波算法 |
| 6.3.1 萤火虫算法 |
| 6.3.2 智能粒子滤波算法 |
| 6.4 仿真分析 |
| 6.4.1 模型参数完全已知时的目标跟踪系统 |
| 6.4.2 模型带有未知参数时的目标跟踪系统 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
四、高斯白噪声背景下机动目标未来运动状态的一步实时预报与滤波（论文参考文献）
- [1]雷达导引头迎头转尾追空中目标跟踪方法研究[D]. 刘洋. 电子科技大学, 2021(01)
- [2]空中目标跟踪与预测关键技术的研究[D]. 王耀林. 沈阳理工大学, 2021(01)
- [3]GNSS-A水下定位与导航关键技术研究[D]. 辛明真. 山东科技大学, 2020(04)
- [4]复杂背景下的雷达目标跟踪技术[D]. 丁一. 西安电子科技大学, 2020(05)
- [5]无线传感网络中基于交互式多模型目标跟踪算法研究[D]. 罗晓勇. 重庆邮电大学, 2020(02)
- [6]高超声速飞行器的定位与轨迹预测[D]. 程甘志. 西安电子科技大学, 2020(05)
- [7]基于多模型的地面机动目标协同定位方法[D]. 蔡李根. 哈尔滨工业大学, 2020(02)
- [8]目标运动子空间建模与状态估计[D]. 郭正琨. 哈尔滨工业大学, 2020
- [9]机动目标跟踪方法研究[D]. 赖福天. 西安电子科技大学, 2020(05)
- [10]一类非理想条件下的状态估计及在目标跟踪中的应用[D]. 刘璐. 哈尔滨工程大学, 2020(04)