文档介绍：信息融合课程报告
——多传感器-多目标跟踪算法
学院
自动化学院
专业
控制科学与工程
学号
151060019
学生姓名
任磊磊
指导教师
刘伟峰
2016年6月15日
一、实验场景与参数设置
监测区域为,,杂波密度为λ=1×10-5m-2,既平均40个杂波点,状态协方差阵,,目标的初始分布为x0,j~Nx0,j,B0,j=1,2,3其中x0,1=[-900m,30m/s,900m,-30m/s], x0,2=[-900m,25m/s,-800m,30m/s],x0,3=[-900m,20m/s,0m,20m/s], B0=diag100,25,100,25,目标运动和量测方程分别为:
xk,j=Axk-1,j+Bωk-1,j
zk,s=Cxk-1,s+vk-1,s
其中Qk,j=covωk-1,j,ωk-1,j=diag4,4m2, Rk,1=covvk-1,s,vk-1,s=diag100,100m2,Rk,2=covvk-1,2,vk-1,2=diag25,25m2
2. 最近邻算法:
二、报告要求
仿真杂波条件下3个目标的CV运动轨迹(仿真总步数K=50s);
采用Kalman滤波算法,分别完成传感器1,2对多目标的分别跟踪过程。
采用最紧邻算法进行数据关联。
通过100次蒙特卡罗仿真实验,对比分析传感器1,2的RMSE跟踪误差。
3)采用集中式多传感器,进行多目标跟踪估计,给出跟踪结果图,并进行RMSE误差分析
(-1000m,1000m) (1000m,1000m)
目标1
目标2
目标2
(-1000m,-1000m) (1000m,-1000m)
实现过程:
1),设置目标的初始信息程序如下。
n=50;%仿真时间
L=100;%仿真次数
range=[-1000 1000;-1000 1000];
lambda=40;
PD=1;
num_target=3;%一共3个目标
A=[1 1 0 0;0 1 0 0;0 0 1 1;0 0 0 1];
B=[ 0;1 0;0 ;0 1];
C=[1 0 0 0;0 0 1 0];
B0=diag([100 25 100 25]);
Q=[4 0;0 4];%噪声过程的协方差阵
q_std=sqrt(Q);%噪声过程的标准差阵
R=[100 0;0 100];%量测噪声协方差阵
r_std=sqrt(R);%量测噪声标准差阵
Sz1=inv(R);
Sz2=inv(R);
Sz3=inv(R);
%-----------定义矩阵含义-------------
X1=zeros(4,n);%目标1的真实状态
X2=zeros(4,n);%目标2的真实状态
X3=zeros(4,n);%目标3的真实状态
Xp=zeros(4,3*n);%目标状态的提前一步预测
Xe=zeros(4,3*n);%目标某时刻的估计状态
Z1=zeros(2,n);%目标1真实量测
Z2=zeros(2,n);%目标2真实量测
Z3=zeros(2,n);%目标3真实量测
Zp=zeros(2,3*n);%某时刻