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
1、基于模型集自适应多模交互Novel-IMM算法，从算法的模型集选择概率定义入手，分析模型集非匹配情况下似然函数值减小机理，以及由此导致的模型集选择概率下限溢出问题。
2、交互式多模型卡尔曼滤波算法包括输入交互、模型滤波、模型概率更新、融合输出四个阶段，每个阶段均有对应的算法公式。
实际上，卡尔曼滤波的参数确定需要根据实际的问题来决定，这也是卡尔曼滤波应用的难点和关键点。
3. 国内外研究现状（文献综述）
机动目标跟踪在军用和民用领域都具有重要意义，上世纪70年代，Bar-Shalom和Singer把卡尔曼滤波理论成功应用于机动目标跟踪问题，从而使机动目标跟踪理论和应用研究进入快速发展时期。
以卡尔曼滤波算法为代表的单一运动模型机动目标跟踪算法对运动模式较为单一的机动目标具有良好的跟踪效果，但当机动目标运动模式发生变化或运动模式未知时，这类算法的跟踪精度将迅速降低。
为克服单一运动模型滤波跟踪算法的局限性，Magil提出了第一代多模型滤波算法静态多模型SMM ( Static Multiple Model )滤波算法，该算法基于多个运动模型产生不同的状态估计结果，通过各模型似然函数值实时计算当前时刻模型更新概率，最终加权融合计算机动目标全局状态估计。
4. 研究方案
1、学习常用目标的机动模型，卡尔曼滤波的基本原理和交互多模型卡尔曼滤波的基本原理。
2、利用MATLAB软件编程，上机仿真。
3、深入学习交互多模型卡尔曼滤波的基本原理。
5. 工作计划
第1周第2周：英文翻译, 查找文献资料，了解卡尔曼滤波的的基本原理和方法,对交互多模型卡尔曼滤波的基本原理和MATLAB 语言的编程方法有基本的了解;第3周第4周：对课题所涉及的知识深度掌握，学习卡尔曼滤波的基本原理，包括KALMAN滤波详细的公式推导，了解状态转移方程、相关矩阵、相关函数、期望、方差、标准差、概率密度这些概念；第5周第6周：学习常用目标的机动模型，了解不同模型所使用的不同算法；第7周第8周：学习交互多模型卡尔曼滤波的基本原理，实现对机动目标的跟踪；第9周：掌握MATLAB编程，熟悉开发环境，编写程序，调试验证；第10周第11周：进行MATLAB仿真实验，在实验中建立坐标下的机动目标运动模型，利用交互多模卡尔曼滤波器对运动目标进行跟踪；第12周第13周：撰写毕业论文以及准备答辩，交导师审核；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。
