扩展卡尔曼滤波系统的目标跟踪研究──基于距离的目标跟踪算法摘 要在信息化高度发达的今天,数字信号处理技术在雷达、通信、数字图像处理、医疗、金融证券分析等领域,对信号检测和状态参数的预估,起着不可或缺的作用
在数字信号处理应用系统中,所有传感器测量的数据都会受到噪声的污染,只能对采集的信号进行降噪处理
例如,在目标跟踪中,传感器一般是测量观测站与目标之间的距离、角度等信息,这些信息往往会受到高斯、非高斯噪声的污染,导致观测站不能准确地估计目标的状态,那么这时对测量数据进行滤波就显得很有必要了
卡尔曼滤波和扩展卡尔曼滤波就是对信号降噪的利器
卡尔曼滤波（Kalman Filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法
由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程
扩展卡尔曼滤波（Extended Kalman Filter，EKF）是标准卡尔曼滤波在非线性情形下的一种扩展形式，它是一种高效率的递归滤波器（自回归滤波器）
EKF 的基本思想是利用泰勒级数展开将非线性系统线性化，然后采用卡尔曼滤波框架对信号进行滤波，因此它是一种次优滤波
扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过雅可比矩阵得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能
关键词：目标跟踪；卡尔曼滤波；扩展卡尔曼滤波；非线性系统线性化；雅克比矩阵 I Research on Target Tracking of Extended Kalman Filter System:Target tracking
