第1章 MATLAB仿真基础 1
1.1MATLAB简介 1
1.1.1MATLAB发展历史 1
1.1.2MATLAB7.1系统 2
1.1.3M-File编辑器的使用 4
1.2数据类型和数组 6
1.2.1数据类型概述 6
1.2.2数组的创建 7
1.2.3数组的属性 8
1.2.4数组的操作 9
1.2.5结构体和元胞数组 12
1.3程序设计 14
1.3.1条件语句 14
1.3.2循环语句 15
1.3.3函数 17
1.3.4画图 19
1.4小结 21
第2章 目标定位跟踪系统概述 22
2.1观测系统 22
2.1.1基本概念 22
2.1.2坐标系 22
2.1.3典型的观测站 24
2.2定位 28
2.2.1模糊定位 28
2.2.2精确定位 29
2.2.3典型的定位系统 30
2.3目标跟踪 32
2.3.1多观测站系统架构 32
2.3.2跟踪过程描述 33
2.3.3跟踪轨迹 35
2.4跟踪的数学模型 36
2.4.1匀速直线运动 36
2.4.2匀加速运动 37
2.5小结 38
第3章 目标定位算法 39
3.1非测距的定位算法 39
3.1.1质心定位算法 39
3.1.2加权质心定位算法 42
3.1.3网格定位算法 45
3.2基于测距的定位算法 47
3.2.1最小二乘原理 47
3.2.2最小二乘定位算法 50
3.2.3基于RSSI测距的定位算法 54
3.2.4基于TOA/TDOA的目标定位算法 58
3.3基于角度测量的定位算法 62
3.3.1双站角度定位 62
3.3.2三角测量法定位 65
3.4移动目标定位算法 65
3.4.1移动目标计算机仿真建模 65
3.4.2基于距离观测的运动目标定位 67
3.4.3纯方位角的运动目标定位 70
3.5小结 73
第4章 线性Kalman滤波 74
4.1Kalman滤波原理 74
4.1.1射影定理 74
4.1.2Kalman滤波器 76
4.1.3Kalman滤波的参数处理 79
4.2Kalman滤波用于一维观测信号去噪 80
4.2.1信号测量滤波原理 80
4.2.2一维Kalman滤波的应用仿真 82
4.3Kalman滤波在自由落体运动目标跟踪中的应用 84
4.3.1状态方程的建立 84
4.3.2自由落体跟踪仿真 86
4.4Kalman滤波在船舶GPS导航定位系统中的应用 89
4.4.1GPS导航系统原理介绍 89
4.4.2导航定位系统仿真 91
4.5Kalman滤波在视频图像目标跟踪中的应用 93
4.5.1视频捕获和录制 94
4.5.2视频导入和显示 96
4.5.3对视频帧的操作 96
4.5.4Kalman滤波对自由下落的皮球跟踪应用 100
4.6小结 106
第5章 非线性Kalman滤波 107
5.1扩展Kalman滤波 107
5.1.1EKF的基本思想 107
5.1.2非线性系统的线性化 107
5.1.3EKF的滤波原理 108
5.2EKF的应用及仿真 110
5.2.1EKF应用于一维非线性系统 110
5.2.2基于距离观测的目标跟踪EKF状态估计 114
5.2.3纯方位角目标跟踪EKF状态估计 117
5.2.4EKF在纯方位寻的导弹制导中的应用 120
5.3无迹Kalman滤波 125
5.3.1UKF的基本思想 125
5.3.2无迹变换 126
5.3.3UKF的滤波过程 127
5.4UKF的应用及仿真 128
5.4.1UKF在单站观测站目标跟踪中的应用 128
5.4.2UKF在六维匀加速直线运动目标跟踪系统中的应用 132
5.5小结 137
第6章 粒子滤波 138
6.1粒子滤波简介 138
6.1.1粒子滤波的发展历史 138
6.1.2粒子滤波的特点 139
6.1.3粒子滤波的应用领域 139
6.2蒙特卡洛原理 140
6.2.1蒙特卡洛的基本思想 140
6.2.2蒙特卡洛的理论基础 141
6.2.3蒙特卡洛的应用实例 143
6.3粒子滤波原理 147
6.3.1蒙特卡洛采样原理 147
6.3.2贝叶斯重要性采样 148
6.3.3序列重要性采样滤波器 149
6.3.4Bootstrap/SIR滤波器 150
6.3.5权值计算方法 151
6.4粒子滤波经典采样算法 152
6.4.1随机重采样 152
6.4.2多项式重采样 154
6.4.3系统重采样 156
6.4.4残差重采样 158
6.5粒子滤波的应用 160
6.5.1粒子滤波应用于一维非线性系统 160
6.5.2粒子滤波应用于高斯模型目标跟踪系统 165
6.5.3粒子滤波应用于非高斯模型目标跟踪系统 171
6.6小结 178
第7章 多目标跟踪算法 180
7.1多目标跟踪系统建模 180
7.1.1单站多目标跟踪系统建模 180
7.1.2单站多目标跟踪系统仿真 180
7.1.3多站多目标跟踪系统建模 183
7.1.4多站多目标跟踪系统仿真 183
7.2多目标跟踪分类算法 187
7.2.1多目标数据融合概述 187
7.2.2近邻法分类算法及程序 188
7.2.3近邻法用于目标跟踪中的航迹关联及算法程序 191
7.2.4k-近邻法分类算法 194
7.3多目标跟踪算法 195
7.3.1基于Kalman滤波的多目标跟踪算法 195
7.3.2基于粒子滤波的多目标状态估计 204
7.4小结 213
第8章 Simulink仿真 214
8.1Simulink概述 214
8.1.1Simulink启动 214
8.1.2Simulink仿真设置 215
8.1.3Simulink模块库简介 219
8.2S函数 223
8.2.1S函数原理 223
8.2.2S函数的控制流程 226
8.3目标跟踪的Simulink仿真 227
8.3.1状态方程和观测方程的Simulink建模 227
8.3.2基于S函数的Kalman滤波器设计及其在跟踪中的应用 230
8.3.3基于S函数的粒子滤波器设计及其在跟踪中的应用 236
8.4小结 243