机动目标跟踪PDF电子书下载

上卷 单机动目标跟踪（SMTT） 2

第一章 单机动目标跟踪概论 2

1 ．1 引言 2

1．2 单机动目标跟踪基本原理 2

1．3 单机动目标跟踪基本要素 3

1．3．1 量测数据形成与处理 3

1．3．2 机动目标模型 4

1．3．3 机动检测与机动辨识 5

1．3．4 自适应滤波与预测 6

1．3．5 跟踪坐标系与滤波状态变量的选取 7

1．4 系统分析与 Monte Cario 仿真 8

1．5 背景资料与建议 8

参考文献 8

第二章 机动目标模型 10

2．1 引言 10

2．2 微分多项式模型 10

2．3 CV和C A 模型 12

2．4 时间相关模型 13

2．4．1 高阶时间相关模型的一般表示式 13

2．4．2 一阶时间相关模型(Singer 模型) 15

2．4．3 二阶时间相关模型 16

2．4．4 关于一阶时间相关模型的讲座与分析 17

2．5 半马尔可夫模型 17

2．6 Noval 统计模型 18

2．7 机动目标"当前"统计模型 19

2．8 总结 20

参考文献 21

附录2A 成形滤波器输入输出互相关函数Rvf（t，t1）与激励函数F（t）的脉冲响 应W1（ t，t1 ）等价的证明 22

附录2C Wiener-Kolmogorov 白化程序 23

附录2B Singer 模型中机动加速度方差a2a的计算 23

第三章 基本的跟踪滤波与预测方法 25

3．1 引言 25

3．2 线件自回归滤波 25

3．3 两点外推滤波 27

3．4 维纳滤波 27

3．5 加权最小二乘滤波 28

3．6 α-β 与 α-β-γ 滤波 29

3．6．1 α-β 滤波 29

3．6．2 α-β-γ 滤波 30

3．6．3 参数 α、β、γ 状态噪声方差q和量测噪声方差r的关系 30

3．6．4 参数 α、β、γ 的选取 32

3．7 卡尔曼滤波与预测 33

3．7．1 卡尔曼滤波与预测基本方程 34

3．7．2 卡尔曼滤波与预测在机动目标跟踪中的作用 35

3．7．3 卡尔坚固滤波与 α、β、γ 滤波的对应性 35

3．8 简化的卡尔曼滤波 37

3．8．1 降低卡尔曼滤计算量的途径 37

3．8．2 常增益滤波 38

3．8．3 状态约减 39

3．8．4 分段循环卡尔曼滤波 39

3．9．1 定性评述 40

3．8．5 解耦卡尔曼滤波 40

3．9 七种滤波与预测方法评述 40

3．9．2 滤波性能的定量评价 41

3．10 非线性滤波 42

3．10．1 推广卡尔曼滤波 42

3．10．2 二阶滤波 46

3．10．3 统计线性化滤波 47

3．10．4 迭代滤波 48

3．11．2 关于模型误差所收起的滤波发散问题及其克服方法 51

3．11．1 滤波发散现象及其产生原因 51

3．11 滤波发散及其克服方法 51

3．10．5 其他非线性滤波方法 51

3．11．3 关于滤波数值不稳定性问题及其克服方法 52

3．12 总结 53

参考文献 53

第四章 机动目标跟踪中的自适应滤波 56

4．1 引言 56

4．2 检测自适应滤波 56

4．2．1 x2分布检验与状态噪声方差补偿 57

4．2．2 决策自适应跟踪器 59

4．2．3 Thorp 检测器 60

4．2．4 系统噪声水平漫步连续匹配法 62

4．2．5 输入(加速度)估计器 63

4．2．6 变维滤波(VDF) 65

4．3 实时辨识自适应滤波 66

4．3．1 协方差匹配法 66

4．3．2 自适应状态估计器 68

4．3．4 机动目标"当前"统计模型的均值与方差自适应跟踪算法 70

4．3．3 二级卡尔曼滤波算法 72

4．4 "全面"自适应滤波 72

4．4．1 检测"全面"自适应滤波 72

4．4．3 交互多模型算法 73

4．4．2 加权和"全面“自适应滤波 73

4．5 比较与总结 74

参考文献 75

第五章 跟踪坐标系与滤波状态变量的选择 78

5．1 引言 78

5．2 常用坐标系与坐标变换关系 78

5．2．1 常用坐标系 78

5．2．2 坐标变换关系 80

5．3 直角坐标系中的踊跃问题 83

5．4 NED 坐标系 84

5．5．1 瞄准误差为零时的目标运动方程 86

5．5 球面坐标系 86

5．5．2 瞄准误差非零时的目标运动方程 89

5．5．3 存在载机横滚时的目标加速度方程 91

5．5．4 目标状态方程和量测方程 93

5．5．5 目标状态方程的解耦模 95

5．5．6 关于采用耦合模型和解耦模型的几点结论 98

5．6 混合坐标系 98

5．6．1 采用混合坐标系的基本思想与程序框图 99

5．6．2 混合坐标系中的跟踪滤波的方程 99

5．7．1 跟踪坐标系选择的一般方法 101

5．7 关于跟踪坐标系与滤波状态变量选择的几点附注 101

5．7．3 动态误 差与稳态偏差之间的平衡 102

5．7．2 状态耦合与解耦 102

5．7．4 坐标系选择与计算负载 103

5．8 引入速度量测的作用 103

5．9 仅有角度量测的跟踪问题 104

5．10 总结 105

参考文献 105

6．1 引言 109

6．2．1 等权平均量测预处理 109

第六章 量测预处理技术 109

6．2．2 变权平均量测预处理 111

6．2．3 引入数据压缩技术后的滤波方程 112

6．3 量测数据中野值的剔除方法 113

6．3．1 野值的定义 113

6．3．2 野值的自动剔除方法 114

6．3．3 野值判别能力分析 114

6．4 实例分析 116

6．4．1 滤波速率与跟踪误差及滤波收敛时间之间的关系 116

6．4．2 引入量测预处理技术后的跟踪效果 117

参考文献 118

6．5 总结 118

第七章 系统分析方法与 Monte Carlo 仿真设计 119

7．1 引言 119

7．2 系统分析方法 120

7．2．1 多项式分析 120

7．2．2 Riccati 方法 121

7．2．3 Cramer-Rao 下界方法 123

7．3 Monte Carlo 仿真设计 124

7．3．1 Monte Carlo 仿真方法的基本思想及其特点 124

7．3．2 随机数的产生方法 125

7．3．3 仿真设计与结果解释 127

7．3．4 一些常用的统计指标 129

7．4 关于跟踪滤波器的稳态分析 130

7．5 总结 131

参考文献 132

第八章 机动目标“当前”统计模型与自适应跟踪算法 134

8．1 引言 134

8．2 机动目标的“当前”概率密度模型 135

8．2．1 机动加速度的“当前”概率密度 135

8．2．2 机动加速度的非零均值时间相关模型 137

8．3．1 离散状态方程 138

8．3 自适应滤波算法 138

8．3．2 自适应卡尔曼滤波算法 140

8．3．3 关于自适应算法的附注 143

8．4 计算机仿真 145

8．5 结论 153

参考文献 153

第九章 自适应跟踪滤波器的精度分析 155

9．1 引言 155

9．2 滤波误差与 Singer 方法的缺陷 155

9．2．1 卡尔曼滤波误差 155

9．2．2 Singer 方法的缺陷 157

9．2．3 机动目标“当前统计模型及自适就算法的动态误差 159

9．3 滤波参数对跟踪精度的因素 160

9．3．1 影响跟踪精度的因素 160

9．3．2 机动频率对跟踪精度的影响 161

9．3．3 采样周期对跟踪精度的影响 163

9．3．4 加速度方差对跟踪精度的影响 163

9．4 通过增加观测矩阵的秩提高跟踪精度 166

9．5 结论 176

参考文献 176

第十章 三维窨中机动目标的估计问题 177

10．1 引言 177

10．2．1 三维空间中的目标运动描述 178

10．2 三维空间中的机动目标模型 178

10．2．2 机动加速度统计模型 179

10．2．3 非零均值时间相关模型 181

10．2．4 机动目标的状态方程 182

10．3 状态模型的线性化与离散化 183

10．3．1 状态模型的线性化 183

10．3．2 状态模型的离散化 185

10．4 自适应滤波算法 187

10．5 计算机仿真 191

10．6 结论 194

参考文献 194

附录10 状态噪声协方差矩阵Q（k）的推导 195

下卷 多机动目标跟踪（MMTT） 200

第十一章 多机动目标跟踪概论 200

11．1 引言 200

11．2 多机动目标跟踪基本原理 201

11．3．1 跟踪门的形成 203

11．3 多机动目标跟踪基本要素 203

11．3．2 数据关联与跟踪维持 204

11．3．3 跟踪起始与跟踪终结 205

11．3．4 漏报与虚答 206

11．4 数据关联过程的一般考察 206

11．4．1 数据关联过程的直观解释 206

11．4．2 减小不稳定跟踪和误相关作用的措施 207

11．5 背景资料与建议 208

参考文献 208

12．2 滤波残差及其统计描述 210

12．3 矩形跟踪门 210

第十二章 跟踪门的形成方法 210

12．1 引言 210

12．4 椭球跟踪门 211

12．5 矩形跟踪门与椭球跟踪门的大小比较 213

12．6 其他跟踪门 215

12．7 总结 217

参考文献 217

13．2．1 “最近邻”方法 219

13．2 密集多回波环境下跟踪单个目标的数据关联与跟踪维持理论 219

第十三章 多目标数据关联与跟踪维持理论 219

13．1 引言 219

13．2．2 概率数据关联滤波（PDAF） 220

13．2．3 “全邻“最优滤波器 221

13．3 密集多回波环境下跟踪多个目标的数据关联与跟踪维持理论 223

13．3．1 联合概率数据关联滤波（JPDAF） 223

13．3．2 多假设法 226

13．3．3 整数规划法 227

13．3．4 高斯和法 229

13．3．5 轨迹分裂法 231

13．4 多目标数据关联与跟踪维护的其他方面 232

13．5 总结 233

参考文献 233

第十四章 多目标跟踪起始跟踪终结理论 237

14．1 引言 237

14．2 多目标跟踪起始理论 237

14．2．1 序列概率比检验（SPRT） 237

14．2．2 Bayes轨迹确定方法（BTC） 239

14．2．3 N维分配法 241

14．2．4 极大似然法 242

14．2．5 模式匹配技术 243

14．3 多目标跟踪终结理论 244

14．3．1 序列概率比检验（SPRT） 244

14．3．2 跟踪门方法 245

14．3．3 代价函数法 246

14．3．4 Bayes 跟踪终结方法（BTT） 247

14．4 其他跟踪起始与跟踪终结方法 248

14．5 总结 249

参考文献 250

第十五章 多机动目标跟踪问题中关联区域的研究 253

15．1 引言 253

15．2 新息向量范数的统计性质 254

15．2．1 新息向量的范数与跟踪门规则 254

15．2．2 范数g（k）的概率密度 255

15．2．3 范数g（k）的均值与方差 257

主要符号表 258

15．3 关联区域的大小与接收正确回波的概率 261

15．3．1 接收正确回波的概率 261

15．3．2 给定接收正确回波的概率Pa时关联区域的大小 262

15．3．3 给定关联区域大小时接收正确回波的概率Pa 263

15．4 结论 265

参考文献 265

第十六章 密集多回波环境下的单机动目标跟踪 267

16．1 引言 267

16．2 概率数据关联滤波（PDAF） 268

16．3 修正概率数据关联滤波（MPDAF） 270

16．4 计算机仿真 272

参考文献 277

16．4 结论 277

附录16 多余回波的产生方法 278

第十七 章密集多回波环境下的多机动目标数据关联与跟踪维持 279

17．1 引言 279

17．2 聚矩阵与聚概率矩阵 280

17．2．1 聚矩阵的构成 280

17．2．2 单一事件与联合事件的概率 281

17．2．3 聚概率矩阵 284

17．3 聚概率矩阵的性质与计算 285

17．3．1 聚矩阵中隐含的信息 285

17．3．2 含有候选回波的最小交集的确定 286

17．3．3 位于目标关联区域交集内的候选回波来自多余回波与目标的概率 288

17．3．4 概率λ11的计算 290

17．4 MMTT 算法（MJPDAF） 292

17．5 计算机仿真 294

17．6 结论 300

参考文献 301

18．1 引言 302

第十八章 密集多回波环境下的多机动目标数据关联与跟踪维持（二） 302

18．2 跟踪门的残差度量规则 303

18．3 关于 MJPDAF 算法中观测模型的假设约定 303

18．4 残差滤波基本议程与 MJPDAF-RF算法 305

18．5 残差滤波与数据关联的内在机再分析 306

18．5．1 理论分析 306

18．5．2 Monte carlo 仿真分析 306

18．6 MJPDAF 与 MJPDAF-RF 两种算法的性能比较 309

18．6．1 性能比较之一 309

18．6．2 性能比较之二 309

18．7 结论 320

参考文献 320

第十九章 密集多回波环境下的多机动目标跟踪起始 321

19．1 引言 321

19．2 主跟踪子空间与边缘跟踪子空间 322

19．2．1 主跟踪子空间与边缘跟踪子空间的定义 322

19．2．2 主跟踪子空间与边缘跟踪子空间的性质 323

19．3 Bayes 轨迹确定方法（BTC） 323

19．4．1 假定轨迹初始化及其对滤波性能的影响 324

19．4 “全邻” Bayes 跟踪起始算法 324

19．4．2对BTC方法的改进——“全邻” Bayes 轨迹确定方法 325

19．5 Monte Carlo 仿真分析 327

19．5．1 给定参数下 ABTI 算法的性能分析 327

19．5．2 参数变化对 ABTI 算法性能的影响 329

19．5．3 残差滤波RF 对 ABTI 算法性能的影响 331

19．6 结论 332

参考文献 333

第二十章 密集多回波环境下的多机动目标跟踪终结 334

20．1 引言 334

20．2 Bayes 跟踪弹簧结方法（BTT） 335

20．3 “全邻Bayes 跟踪终结算法（ABTT） 335

20．4 Monte Carlo 仿真分析 337

20．4．1 给定参数下 ABTT 算法的性能分析 337

20．4．2 参数变化对跟踪终结性能的影响 340

20．4．3 残差滤波 RF 对跟踪终结性能的影响 341

参考文献 343

20．5 结论 343

第二十一章 多机动目标跟踪系统的一致性分析方法 344

21．1 引言 344

21．2 一致性分析准则 344

21．3 状态误差的一致性分析 345

21．4 残差过程的一致性分析 346

21．5 残差过程的白色度检验 347

21．6 总结 348

参考文献 348

22．2．1 机动目标“当前”统计模型及自适应算法 349

第二十二章 回顾、建议与展望 349

22．2 研究成果回顾 349

22．1 引言 349

22．2．3 密集多回波环境下的单机动目标跟踪 350

22．2．4 多机动目标数据关联与跟踪维持 350

22．2．2 机动目标关联区域的设计 350

22．2．5 多机动目标跟踪起始与跟踪终结 351

22．2．6 漏报与虚答 351

22．2．7 多机动目标跟踪系统软件包 351

22．3．2 关于减少动态带后误差 352

22．3．1 关于检测概率的影响 352

22．3 问题与建议 352

22．3．4 机动目标跟踪系统的灵敏度与鲁棒性分析 353

22．3．3 信号处理与数据处理的联合最优化问题 353

22．4 研究方向展望 354

22．4．1 机动目标群跟踪 354

22．4．2 多站多机动目标跟踪 354

22．4．3 智能开封多机动目标跟踪系统 355

22．4．4 人工神经网络理论在多机动目标跟踪中的应用 355

22．4．5 机动目标跟踪系统的工程实现 355

参考文献 356