摘要
由于卡尔曼滤波器具有结构简单、性能最优、易于被掌握和应用等一系列的优点其已被广泛应用于状态跟踪和估计等科学领域。值得一提的是，由于其线性的推导和计算过程，决定了卡尔曼滤波器不能应用于非线性系统。本文主要研究的是UKF滤波方法的滤波性能、现存问题和改进方法。
首先，介绍卡尔曼滤波在军事等领域的实际应用以及其今后的发展趋势，而后，初步了解卡尔曼滤波的意义，显著地改善动态跟踪精度,它在目标跟踪中不仅利用当前的量测值,而且充分利用以前的量测数据,根据线性最小方差原则求出最优估计。连续系统的卡尔曼滤波方程以及离散系统的卡尔曼滤波方程让我们对其在线性化的处理有了深刻的印象。同时，通过比例Unscented变换方法，可以更为准确地求得随机分布经过非线性变换后的均值和方差。
再次，在机动目标跟踪过程中，目标的状态模型和量测模型，直角及极坐标系下跟踪系统模型等等能更好的与实际的目标运动学相匹配。
最后，滤波算法在目标跟踪中的分析，能仿真出卡尔曼滤波和无迹卡尔曼滤波在运动中的状态估计。
关键词：UKF、均值、Unscented变换方法、状态模型、量测模型
ABSTRACT
....
KEYWORDS：UKF, average, unscented transformation method, the state model, the measurement model
目录
摘 要I
ABSTRACTII
第一章 绪论1
1.1 研究背景及意义1
1.2 卡尔曼滤波技术的现状2
1.3 有待解决的问题和发展趋势6
第二章 无迹卡尔曼滤波的基础理论10
2.1 基本卡尔曼滤波10
2.1.1 连续系统的卡尔曼滤波方程10
2.1.2 离散系统的卡尔曼滤波方程11
2.1.3 离散卡尔曼滤波的分析13
2.2克服滤波发散的滤波方法14
2.2.1 加权衰减记忆滤波14
2.2.2 平方根滤波器17
2.3 非线性系统的卡尔曼滤波18
2.4 VD算法描述20
2.5 Unscented变换和对称采样策略22
2.6 UKF滤波的实现算法23
2.7 影响UKF精度的主要因素25
2.8 本章小结26
第三章 跟踪模型的建立27
3.1 目标的状态模型和量测模型27
3.2 跟踪坐标系的选取27
3.2.1 直角坐标系下跟踪系统模型28
3.2.2 极坐标下跟踪系统模型28
3.2.3 量测模型的坐标转换29
3.3 机动目标模型的建立29
3.3.1 CV与CA模型30
3.3.2 时间相关模型(singer模型)30
3.3.3 Noval统计模型31
3.3.4 机动目标“当前”统计模型31
3.4 本章小结32
第四章 滤波算法在目标跟踪中的分析及比较33
4.1仿真想定设置33
4.2仿真结果及分析34
4.2.1 匀速直线运动仿真分析34
4.2.2 S形机动模型37
4.3 本章小结40
第五章 结束语41
5.1 本文总结41
5.2 发展与展望41
参考文献44
致谢46
毕业设计小结47
