1. 研究目的与意义
不管在现代军事领域、国防领域还是民用领域中，目标跟踪技术都非常重要。
随着现代目标隐身技术的发展以及目标机动性能的增加，被探测目标的不确定性也在增加。
当目标的运动是高机动时，对其进行稳定和精确地跟踪，就成为跟踪研究的重点，也是难点。
2. 课题关键问题和重难点
在高斯噪声环境下，由于扩展卡尔曼滤波（EKF）在目标跟踪应用中精度低和可能出现的滤波发散，将无迹卡尔曼滤波（UKF）应用于非线性系统的目标跟踪。
通过UFK在目标跟踪中的应用和仿真结果的分析表明，与EKF相比较，UKF收敛快、对噪声适应能力强，算法实现简单。
其实现难点在于，需要学习关于卡尔曼滤波的知识，以及高斯滤波方面的知识，通过学习从而运用matlab程序实现所需要的效果，即对目标的追踪。
3. 国内外研究现状（文献综述）
1. 卡尔曼滤波卡尔曼滤波具有两个计算回路：增益计算回路和滤波计算回路。
在一个滤波周期内，从卡尔曼滤波在使用系统信息和量测信息的先后顺序来看，卡尔曼滤波具有两个明显的信息更新过程：时间更新和量测更新过程。
说明了根据 k-1时刻的状态估计预测 k 时刻状态估计的方法，对这种预测的质量优劣做了定量的描述。
4. 研究方案
目标动态特性有包含位置、速度和加速度的状态向量 X 表示，量测值被假定为含有量测噪声的状态向量的线性组合；新息为量测与状态预测量之差。
一般情况下，机动目标跟踪为一自适应滤波过程，传统的方法是首先构成新息向量，然后根据新息的变化进行机动检测或机动辨识，其次按照某一准则或逻辑调整滤波增益与协方差矩阵或实时辨识出目标机动特性，最后由滤波算法得到目标的状态估计值和预测值，从而完成对单机动目标的跟踪。
5. 工作计划
第1周第2周：英文翻译；第3周第4周：学习卡尔曼滤波的基本原理；第5周：学习常用目标的机动模型；第6周第7周：学习无迹尔曼滤波的基本原理；第8周：学习高斯混合无迹卡尔曼滤波的基本原理；第9周：掌握MATLAB编程，熟悉开发环境；第10周第11周：编写程序，调试验证；第12周第13周：撰写毕业论文；第14周：撰写毕业论文，论文答辩。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
