基于DSP的汽车雷达目标跟踪算法研究

摘要

本文研究了基于DSP的汽车雷达目标跟踪算法并在DSP嵌入式环境中实现了汽车雷达目标跟踪系统。
　　首先，针对Singer模型和CS模型等先验机动模型在应用于汽车雷达跟踪强机动目标时产生较大的误差，提出了基于支持向量回归的在线学习机动模型。该模型使用理论新息协方差与实际新息协方差的差值作为判断目标机动的准则，使用支持向量回归在线调整模型参数。大量实验表明，本文提出的基于支持向量回归的在线学习机动模型在跟踪强机动目标时跟踪精度优于CA模型和Singer模型。
　　其次，针对SRCKF滤波实时性能不高的问题，提出了快速SRCKF。该滤波器结合线性卡尔曼滤波的时间更新和SRCKF的测量更新，在滤波效率上提高了30％以上。大量仿真实验表明，本文改进的FSRCKF与SRKCF相比具有相同的滤波精度，但具有更高的滤波效率，适用于汽车雷达等实时性要求高但计算资源匮乏的嵌入式系统。
　　最后，本文基于DSP嵌入式环境实现了汽车雷达目标跟踪系统，验证了部分运动模型和滤波器的实用性能，大量场地实验表明该系统具有高可用性，满足系统设计的指标要求。

目录

声明

摘要

1 绪论

1．1 课题研究背景

1．2 国内外研究现状和发展趋势

1．3 论文的主要工作及结构安排

2 汽车雷达目标跟踪原理

2．1 连续波雷达工作原理

2．1．1 多目标测距测速原理

2．1．2 双接收天线测角原理

2．2 多目标跟踪原理

2．2．1 多目标数据关联

2．2．2 跟踪滤波原理

3 基于SVR的在线学习机动模型

3．1 简单运动模型

3．1．1 常速度模型

3．1．2 常加速度模型

3．2 机动目标建模

3．2．1 Singer模型

3．2．2 “当前”统计模型

3．2．3 总结

3．3 基于SVR的在线学习机动模型

3．3．1 SVR原理

3．3．2 模型描述

3．3．3 实验仿真

3．4 总结

4 快速平方根容积卡尔曼滤波器

4．1 非线性滤波问题

4．1．1 EKF滤波原理

4．1．2 UKF滤波原理

4．1．3 SRUKF滤波原理

4．1．4 实验及总结

4．2 SRCKF滤波器及其改进

4．2．1 SRCKF滤波

4．2．2 快速SRCKF滤波

4．2．3 实验及总结

4．3 总结

5 汽车雷达目标跟踪系统设计及实现

5．1 概述

5．2 系统软硬件架构

5．2．1 硬件系统

5．2．2 软件设计

5．3 系统验证和测试

5．3．1 功能测试

5．3．2 集成测试

5．3．3 场地测试

6 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

攻读硕士学位期间发表的论文和出版著作情况