检测与估值论文

《检测与估值论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《检测与估值》结课论文院系：专业：年级班级：学号：姓名：指导教师：论文评分：软件与通信工程学院通信工程101班0103796郝彩虹戴利云2013-6-28利用Kalman滤波进行轨迹预测郝彩虹（江西财经大学软件与通信工程学院，江西南昌，330013）摘要：Kalman自从20世纪60年代初问世以来，Kalman滤波器在各个领域都有广泛的应用，随着研究的深入，卡尔曼滤波技术越来越多地应用于各个领域，如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等．卡尔曼滤波作为一种最优状态估计方法，可以应用于受随机干扰的动态系统

2、。准确地说，卡尔曼滤波器给出了一种递推算法，由实时获得的受噪声污染的离散观测数据，对系统状态进行线性、无偏及最小误差方差的最优估计。该算法已经广泛应用于工业和控制的许多领域，如视频和激光跟踪系统、卫星导航、弹道导弹轨迹估计、雷达和火力控制等。随着最近高速计算机的发展，卡尔曼滤波的应用将更加广泛，特别是在更加复杂的实时应用中。卡尔曼滤波器在机动目标跟踪中具有良好的性能，但以Kalman滤波方法预测的过程需要对目标的运动方程有准确了解而且要求系统的过程与测量噪声为高斯噪声且相互独立，这在实时跟踪过程中都是很难满足的．本文

3、利用基于Matlab编程的Kalman滤波改进算法实现目标预测跟踪，并绘出目标质心轨迹坐标．关键词：目标跟踪；目标匹配；Kalman滤波；MatlabTrajectorypredictionusingKalmanfilterhaocaihong(theuniversityofjiangxicaijingdaxue,jiangxisheng,nanchangshi,330013)Abstract:TheKalmanfilterhasbeenwidelyusedinvariousfields,suchasspacecra

4、ftorbitcalculation,radartargettracking,automaticcontroloftheproductionprocess.Calmanfilterhasagoodperformanceinmaneuveringtargettracking,itisakindofoptimalestimationandforrecursivecomputation.ButthepredictionprocesswithKalmanfilteringtotheequationsofmotiontheob

5、jectivesoftheprocessandmeasurementnoiseinunderstandingandrequirementsofthesystemfortheGaussnoiseandindependentofeachother,itisverydifficulttomeetinthereal-timetrackingprocess.Inthispaper,byusingtheimprovedalgorithmtoachievethetargetpredictiontrackingbasedontheK

6、almanfilterMatlabprogramming,anddrawthetargetcentroidtrajectorycoordinates.Keyword:Targettracking;objectmatching;Kalmanfilter;Matlab引言目标跟踪一直是人们关心的热点问题，Kal—man滤波预测凭借其跟踪精度较高在跟踪中备受青睐．运动目标的检测识别与跟踪技术是目迅速发展的一个研究领域，把图像处理技术与Kalman滤波算法结合起来也是目标跟踪的一个研究方向．图像运动目标的识别就是指在视频序列

7、中提取每一帧图像的运动目标的信息．运动目标检测和跟踪的研究内容相当丰富，主要涉及到计算机可视化、机器人视觉、智能控制、模式识别等领域．运动目标分析在高级人机交互、视频会议、自动化工业、安全监控和图像检索方面有着广阔的应用背景和潜在的经济价值，本文就此问题进行研究。本文首先介绍了滤波方程的基本推导。该方案的优势是通过假设某些矩阵非奇异，可以很好地理解卡尔曼滤波的最优性。当然通过应用广为人知的正投交投影方法，有时也称之为新息方法，可以不需要这些假设。然后将该方法进行扩展来处理系统和量测噪声相关的问题，以及有色噪声问题。本

8、书还讨论了针对非线性系统的卡尔曼滤波及其在自适应系统辨识中的应用。此外，介绍了实时应用中的极限或稳态卡尔曼滤波理论、序贯算法和平方根算法等高效计算方法。卡尔曼滤波一个典型的应用是数字跟踪滤波器设计，如αβγ和αβγθ跟踪器。对于白噪声，应用卡尔曼增益的极限值来定义α、β和γ参数，对于有色噪声则为α、β、γ和θ，可以将该跟踪滤波器描述为