【正文】 最后，本論文的寫作也得到了陳講俊、石奇、舒堅等同學(xué)的熱情幫助，感謝在整個畢業(yè)設(shè)計期間，曾經(jīng)在各個方面給予我?guī)椭幕锇閭?，在此我深表謝意。他們無時無刻，給了我無私的支持，是他們在生活和感情上的支持和幫助給了我前進的力量，也正是他們無私的幫助和犧牲才保證了我學(xué)業(yè)的順利完成。在此，我謹向敬愛的曹偉老師表示衷心的感謝。同時，曹老師淵博的專業(yè)知識，嚴謹?shù)闹螌W(xué)態(tài)度，精益求精的工作作風(fēng)，誨人不倦的高尚師德，樸實無華、平易近人的人格魅力對我影響深遠。在論文的選題、研究分析方法以及論文的撰寫等各方面都得到了曹老師的諸多教導(dǎo)?？傊菊撐牡难芯侩m然花費了大量的心血和汗水，但是它對機動目標跟蹤的研究仍有許多不足之處，嚴格的說，本文在很多方面是粗糙的，有待進一步的深入研究。 對VD濾波算法，雖對機動目標有很好的跟蹤能力，但是當(dāng)機動模型改變時，就必須完全重建滑動窗口內(nèi)狀態(tài)變量的估計，這樣會導(dǎo)致在處理負載中出現(xiàn)明顯的不連續(xù)性，還可會增加目標跟蹤誤差。以上對機動目標的跟蹤理論研究有了一定的結(jié)果，但是仍有許多不足之處，尚需進一步解決的問題有如下。它對機動目標的檢測是通過一種判別機制。然后，卡爾曼濾波器進行迭代，進而推出下一次的濾波狀態(tài)和協(xié)方差，以此類推?？柭鼮V波器具有很好的濾波能力。狀態(tài)方程和量測方程的狀態(tài)變量法是描述系統(tǒng)的一種很有價值的方法。對機動目標而言，建立數(shù)學(xué)模型所特有的要求。為此，建立了某些機動目標跟蹤模型，并對卡爾曼濾波算法和VD濾波算法進行了深入的研究，得到了一些有意義的結(jié)論。5 結(jié)束語機動目標跟蹤在軍事和民用領(lǐng)域有著廣泛地應(yīng)用前景，特別是在現(xiàn)代戰(zhàn)爭中，作戰(zhàn)飛機、各種艦艇等運動目標的機動性越來越強，對它們進行有效而實時地跟蹤將是十分復(fù)雜但是又必須加以解決的問題。VD濾波算法具有很好的機動檢測能力，但是當(dāng)目標快速轉(zhuǎn)彎時，會出現(xiàn)較大的誤差，這時可以通過改變機動檢測門限來減小誤差。 小結(jié)本章重點介紹了目標跟蹤的仿真處理流程，通過建立目標跟蹤模型、編寫、調(diào)試、運行，最終完成了對模型的目標的跟蹤。若在跟蹤過程中，采用自適應(yīng)濾波技術(shù)則可以更好的改善濾波性能。由修改參數(shù)前后的的實驗仿真結(jié)果，可以發(fā)現(xiàn)前者可以對目標實現(xiàn)有效跟蹤，而后者則不然。一次濾波軌跡偏離了真實軌跡，此時不能很好的對目標實行有效的跟蹤。 參數(shù)變化后，真實軌跡與一次濾波軌跡仿真圖 參數(shù)變化后，X軸和Y軸濾波的統(tǒng)計曲線圖，50次濾波后的軌跡嚴重偏離了真實軌跡。 參數(shù)變化后，真實軌跡、觀測軌跡和50次濾波軌跡仿真圖，真實軌跡與一次濾波軌跡仿真圖，該圖反映了修改參數(shù)后目標的真實運動軌跡和經(jīng)過一次濾波之后目標的估計軌跡曲線。仿真結(jié)果比較將程序中加權(quán)衰減因子改為=，機動檢測門限=50，退出機動時的檢測門限=5，重新運行程序得到修改參數(shù)后的仿真圖。這時，可以借助變維濾波算法對機動目標進行跟蹤，從而減小誤差。 X軸和Y軸濾波的統(tǒng)計曲線圖，分別對應(yīng)目標的2次加速和2次勻速運動，符合目標真實軌跡變化。 真實軌跡、觀測軌跡和50次濾波軌跡仿真圖，該圖反映了目標的真實軌跡和經(jīng)過一次濾波之后目標的估計軌跡曲線。、觀測軌跡和50次濾波軌跡的仿真圖。 %協(xié)方差更新 Xm_est=Xm_estimate(k,:)。))39。 %增益 Xm_estimate(k,:)=(Xm_predict(k,:)39。*inv(H*Pm_predict*(H)39。+G*Q*G39。0,(Xm_estimate(k1,6)/20)^2]。)39。 m=0。 qq=0。 Pm_estimate(6,4)=Pm_estimate(4,6)。 Pm_estimate(5,2)=Pm_estimate(2,5)。 Pm_estimate(4,4)=R(2,2)*4/(T^2)+P(4)*4/(T^2)+P(6)+P(5)*4/T。 Pm_estimate(6,6)=[R(2,2)+P(4)+P(5)*2*T+P(6)*T*T]*4/(T^4)。 Pm_estimate(6,3)=Pm_estimate(3,6)。 Pm_estimate(5,1)=Pm_estimate(1,5)。 Pm_estimate(4,3)=Pm_estimate(3,4)。 Pm_estimate(2,1)=Pm_estimate(1,2)。 Pm_estimate(3,3)=R(2,2)。 Xm_estimate(k,4)=Xm_estimate(k1,4)+Xm_estimate(k,6)*T。 Xm_estimate(k,3)=z1(2)。 Xm_estimate(k,6)=[z1(2)Xm_predict(k,3)]*2/(T^2)。if qq==1 %由非機動進入機動模型，需進行修正， 初始化 Xm_predict(k,:)=Xm_pre。window=1/(1alpha)。 % 新信息的方差陣機動過程實驗主程序——變維濾波算法若實驗過程中出現(xiàn)了機動，則采用基于機動檢測的跟蹤算法——變維濾波算法對機動進行檢測并對目標實施跟蹤。 % 新信息 S=H*P_predict*H39。 X_pre=X_predict(k,:)。 %狀態(tài)更新方程 P_estimate=(IK*H)*P_predict。+K*(z1H*X_predict(k,:)39。+R)。 %預(yù)測協(xié)方差 K=P_predict*(H)39。)39。下面程序為此勻速過程的跟蹤源程序。第四個過程回到了勻速運動過程，還是利用卡爾曼濾波的方法。第一過程，目標在0400秒的勻速運動過程，該過程采用卡爾曼線性濾波的方法對目標實施跟蹤。雷達掃描周期T=2秒，X和Y獨立地進行觀測，觀測噪聲的標準差均為100米。下面即是本論文進行仿真的實驗?zāi)Ｐ汀?仿真流程圖。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加入自己的文件構(gòu)成新的工具箱。源程序的開放性。而學(xué)科性工具箱是專業(yè)性比較強的，如control,toolbox,signl proceessing toolbox,mumnication toolbox等。功能性工具箱主要用來擴充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。功能強大的工具箱是MATLAB的另一特色。MATLAB的缺點是，它和其他高級程序相比，程序的執(zhí)行速度較慢。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。程序的可移植性很好，基本上不做修改就可以在各種型號的計算機和操作系統(tǒng)上運行。程序限制不嚴格，程序設(shè)計自由度大。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運算符，靈活使用MATLAB的運算符將使程序變得極為簡短?？梢哉f，用MATLAB進行科技開發(fā)是站在專家的肩膀上。MATLAB程序書寫形式自由，利用起豐富的庫函數(shù)避開繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。下面簡單介紹一下MATLAB的主要特點。MATLAB用更直觀的，符合人們思維習(xí)慣的代碼，代替了C和FORTRAN語言的冗長代碼。正如同F(xiàn)ORTRAN和C等高級語言使人們擺脫了需要直接對計算機硬件資源進行操作一樣，被稱作為第四代計算機語言的MATLAB，利用其豐富的函數(shù)資源，使編程人員從繁瑣的程序代碼中解放出來。學(xué)科工具包是專業(yè)性比較強的工具包，控制工具包，信號處理工具包,通信工具包等都屬于此類。MATLAB包括擁有數(shù)百個內(nèi)部函數(shù)的主包和三十幾種工具包(Toolbox).工具包又可以分為功能性工具包和學(xué)科工具包。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學(xué)，工程中常用的形式十分相似。 MATLAB仿真平臺簡介MATLAB[15]是矩陣實驗室（Matrix　Laboratory）之意。它是在不破壞真實系統(tǒng)環(huán)境的情況下，為研究系統(tǒng)的特性而構(gòu)造并運行這種真實系統(tǒng)模型的方法。通過對這個模型的運行，獲得我們要研究的系統(tǒng)所必要的信息、參數(shù)、資料，從而為研制實際系統(tǒng)提供科學(xué)依據(jù)。變維濾波