目标定位跟踪原理及应用 MATLAB仿真

黄小平，男，1984年6月生，江西省上饶县人，北京交通大学自动化本科，北京航空航天大学控制科学与工程硕士，博士就读于中国科学技术大学计算机应用专业，主要研究信号与信息处理。著有《卡尔曼滤波原理及应用——MATLAB仿真》、《粒子滤波原理及应用——MATLAB仿》。

凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。
　　前言
　　随着科技的发展，在雷达、声呐、无线领域，对目标位置锁定的研究在各应用场合有着重要的价值。所有传感器测量的数据都是受到噪声污染的，噪声不能消除，只能最大限度地降低。在目标跟踪中，传感器一般都采集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或非高斯噪声的干扰，导致观测站不能准确地估计目标的状态，常用的补偿措施就是滤波。
　　在现代时间序列里，常用的滤波算法有最小二乘定位算法、Kalman滤波、粒子滤波等。这些经典的算法已经广泛应用在雷达、声呐、无线传感器网络等领域中。本书主要结合实际应用，如单观测站与多观测站情况下对目标进行状态估计研究，这里的状态主要指的是目标的位置、速度和加速度信息。对目标的状态估计算法，笔者已在电子工业出版社出版的《卡尔曼滤波原理及应用——MATLAB仿真》和《粒子滤波原理及应用——MATLAB仿真》两本书中做了详细的描述。本书在写作风格上沿袭了前两本，期望能得到广大读者的认同。
　　参加本书编写的还有王岩、缪鹏程、胡敦、许蓓蓓、李学森、章华、罗伟、丁成祥、黄平森、高福仙等。本书得以撰写，在很大程度上要感谢我的恩师王岩老师，她给了我一个很好的研究课题，在研究生期间对我的谆谆教诲和无微不至的关怀，让我学到了很多知识，在我遇到困难时给我指点迷津，提出很多建设性的意见供我参考。本书的编辑也得到了北航同课题组的学弟、学妹们的帮助，感谢他们查阅并提供的资料，在此特别感谢钱琛、王夏静、段九鼎、杨刚、徐建伟、王驭风、严芬菲、刘涛、聂金平、陈冰洁、田龙飞、李超等。最后感谢我的妻子许蓓蓓的理解和支持，感谢可爱的女儿给我写作的精神动力！
　　希望本书对相关领域的研究者有所帮助。由于作者水平有限，书中难免有疏忽及错误之处，恳请读者提出宝贵意见。

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