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 algorithm based on distanceAbstractIn today's highly developed information society, digital signal processing technology plays an indispensable role in signal detection and state parameter estimation in the fields of radar, communications, digital image processing, medical treatment, and financial securities analysis. In the digital signal processing application system, the data measured by all sensors will be contaminated by noise, and only the collected si...
