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。
当目标发生例如转向、减速、加速、下降、下升、S型等突然的运动形态改变时，实现对这些高机动运动目标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
线性随机系统的最优滤波估计就是著名的卡尔曼滤波器（KF），而对于非线性随机系统，利用传统的卡尔曼滤波精确求解非线性系统状态后验分布（均值和协方差）是非常困难甚至根本无法实现的，故要得到精确的非线性最优滤波估计也是不可能的。
扩展卡尔曼滤波器（EKF）是非线性次优滤波算法，它因实现简单、收敛速度快等优点而被广泛应用于非线性随机系统的状态估计中。
但是，EKF中由于假定噪声协方差不变，当噪声协方差不太准备的话，会产生误差积累，导致滤波发散。
3. 国内外研究现状（文献综述）
由于在军事和民用领域具有广阔的应用前景,目标跟踪问题的研究一直受到人们的广泛关注。
最近几十年来,国内外众多专家学者对之进行了深入的研究,并取得了丰硕的成果。
目标跟踪中的一个核心部分就是滤波算法,经典的卡尔曼滤波算法是一种时域方法,对于具有高斯分布噪声的线性系统,可以得到系统状态的递推最小均方差估计[1]。
4. 研究方案
对机动目标的进行运动建模：首先确定坐标系，熟悉常用的机动目标模型并对此次设计建立使用的模型。
建立测量模型：选择测量坐标系，罗列各种测量模型的表示，选择最合适的测量方式。
滤波算法：熟悉卡尔曼滤波的基本原理，对比卡尔曼滤波算法和非线性系统滤波算法的优缺点，选择合适的算法，本次设计采用修正协方差扩展卡尔曼滤波算法。
5. 工作计划
第1周第2周：利用互联网和导师指导完成英文翻译； 第3周第4周：通过互联网或查阅书籍学习并掌握卡尔曼滤波的基本原理；第5周：通过互联网或查阅书籍学习并掌握常用目标的机动模型； 第6周第7周：通过互联网或查阅书籍学习并掌握扩展卡尔曼滤波的基本原理； 第8周：通过互联网或查阅书籍学习并掌握修正卡尔曼滤波的基本原理； 第9周：下载MATLAB程序，通过互联网或查阅书籍学习并掌握MATLAB编程，熟悉开发环境； 第10周：编写程序，调试验证仿真出EKF和MVEKF在一维非线性系统中的应用，仿真出EKF和MVEKF在二维目标跟踪中的应用，比较两种算法的性能；第11周：根据仿真结果，撰写毕业论文。
第12周：继续撰写毕业论文，完成初稿，并进行首次修改； 第13周：对初次修改的论文进行再次审阅，完成终稿。
第14周：准备答辩。
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。
