目标跟踪常用算法——KF篇

目录

1.线性卡尔曼滤波算法

1.1 卡尔曼滤波算法简单介绍

1.2 卡尔曼滤波算法流程

1.3 卡尔曼滤波算法仿真分析

2.参考文献

---

1.线性卡尔曼滤波算法

1.1 卡尔曼滤波算法简单介绍

1960年，Rudolf Kalman和Richard Bucy提出了一种适用于多维状态的滤波算法，即卡尔曼滤波(Kalman Filter, KF)算法，Kalman滤波算法是一种线性、无偏和估计方差最小的最优估计算法。

1.2 卡尔曼滤波算法流程

1.3 卡尔曼滤波算法仿真分析

仿真条件：

假设一目标在二维平面内做匀速直线运动，观测站处于原点且保持静止，无站址误差。观测站可以实时测量到目标与观测站之间的距离以及方位角(北偏东)。蒙特卡洛仿真100次，并将RMSE与CRLB进行对比。

	目标初始状态	量测误差	过程噪声
二维	(-1000m,1000m,20m/s,-8m/s)	100m，1°	1e-4m/s2

2.参考文献

王可东. Kalman滤波基础及Matlab仿真 [M]. 北京航空航天大学出版社, 2019.