滤波跟踪算法,跟踪滤波器
【滤波跟踪】Singer-Kalman模型下的机动目标跟踪算法包含Matlab源代码_ Matlab仿真博客的技术博客_博客
1引言在现实的跟踪场景中，运动模式的多样性、运动的随机性和运动规律的不确定性是机动目标的典型运动特征。机动目标跟踪的难点主要包括：建立精确的、通用的先验数学模型来描述机动目标的运动特性；为了抑制系统不确定性的干扰，设计了一种基于完全先验参数信息的自适应滤波算法。机动目标跟踪的本质是递归滤波，即利用先进的自适应滤波技术，按照一定的滤波准则，使目标在每个滤波时刻的估计状态与真实状态的偏差最小。机动目标跟踪过程可以简单概括为：首先，由带噪声的传感器观测和目标的预测状态计算当前时刻的残差向量；然后基于残差向量的变化进行目标机动识别，即跟踪场景中被跟踪目标是否机动；最后利用相应的目标滤波技术计算出运动目标的状态估计值，从而完成跟踪过程中某一时刻的滤波；将当前时刻得到的目标的状态和协方差转移到下一时刻，作为下一次滤波的初始值，然后重复上述过程，直到遍历完所有跟踪时刻。通过以上对机动目标跟踪原理的分析，可以看出预测和自适应滤波模块是整个跟踪系统的核心和关键之一。
上传.取消重新上传
2部分代码函数[x，y，zx，zy，nn]=目标_运动
%函数定义：生成目标运动的真实值和测量值。
% % * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *，模拟条件
t=2；%雷达扫描周期
r=10000%测量误差方差
x0=2000% X轴方向上目标的起始位置
y0=10000% Y轴方向上目标的起始位置
xv0=0；%目标在X轴方向的起始速度
yv0=-15；% Y轴方向上目标的起始速度
NN=500%采样点
x=零(NN，1)；%X轴位置初始化
y=零(NN，1)；%Y轴位置初始化
x(1)=x0；%X轴初始位置
y(1)=y0；%Y轴初始位置
VX(1)=xv0；%X轴初始速度
vy(1)=yv0；%Y轴初始速度
对于i=1:NN-1
如果我200
ax=0；
ay=0；
VX(I 1)=VX(I)ax * T；
vy(I 1)=vy(I)ay * T；
elseif (i=200) (i=300)
ax=15/200；
ay=15/200；
VX(I 1)=VX(I)ax * T；
vy(I 1)=vy(I)ay * T；
埃尔塞伊夫(300爱尔兰镑)(500爱尔兰镑)
ax=0；
ay=0；
VX(I 1)=VX(I)ax * T；
vy(I 1)=vy(I)ay * T；
目标
x(I ^ 1)=x(I)VX(I)* t 0.5*ax*t^2 0.5*0*t^2*randn；%X轴的动力学方程
y(I ^ 1)=y(I)vy(I)* t 0.5*ay*t^2 0.5*0*t^2*randn；%Y轴动态方程
目标
% * * * * * * * * * * * *产生测量噪声* * * * * * * * * * * * * *
nx=100*randn(NN，1)；
ny=100*randn(NN，1)；
% * * * * * * * * * * * *测量值* * * * * * * * * * * * * * * * * * * * * * * * * *
zx=x nx
zy=y ny
vvx=vx
vvy=vy
保存目标_运动_输出vvx vvy
% I=1:NN；
% k=4:1:NN；
% l=4:1:NN；
%图(1)
%plot(x，y， DM )；
%title(“目标轨迹”)
%xlabel(x方向)
% y label(“y方向”)
%legend(“目标轨迹”)3模拟结果
4参考文献[1]晶晶，吴琪。基于期望模型的自适应Singer模型滤波算法。
博主：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域的Matlab仿真。相关的matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权，联系博主删除。
原创作品来自matlab研究助手，
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。