资源描述：
《目标定位跟踪算法及仿真程序.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、目标定位跟踪算法及仿真程序质心算法是最简单的定位算法，如图2-1所示，四个小圆为观测站，实线三角形是目标真实的位置，假设四个圆形观测站都探测到目标的存在，则根据质心定位算法，目标的位置（x,y）可以表示为：，，这里观测站得位置为，同理，当观测站数目为N时，这时候的质心定位算法可以表示为：图1质心定位%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%质心定位算法Matlab程序%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%functionmain%定位初始化Length=100;%场地空间，单位：
2、米Width=100;%场地空间，单位：米d=50;%目标离观测站50米以内都能探测到，反之则不能Node_number=6;%观测站的个数fori=1:Node_number%观测站的位置初始化，这里位置是随机给定的Node(i).x=Width*rand;Node(i).y=Length*rand;end%目标的真实位置，这里也随机给定Target.x=Width*rand;Target.y=Length*rand;%观测站探测目标X=[];fori=1:Node_numberifDIST(Node(i),Target)<=dX=[X;Node(i).x,Node(i).y];end
3、endN=size(X,1);%探测到目标的观测站个数Est_Target.x=sum(X(:,1))/N;%目标估计位置xEst_Target.y=sum(X(:,2))/N;%目标估计位置yError_Dist=DIST(Est_Target,Target)%目标真实位置与估计位置的偏差距离%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%画图figureholdon;boxon;axis([01000100]);%输出图形的框架fori=1:Node_numberh1=plot(Node(i).x,Node(i).y,'ko','Mar
4、kerFace','g','MarkerSize',10);text(Node(i).x+2,Node(i).y,['Node',num2str(i)]);endh2=plot(Target.x,Target.y,'k^','MarkerFace','b','MarkerSize',10);h3=plot(Est_Target.x,Est_Target.y,'ks','MarkerFace','r','MarkerSize',10);line([Target.x,Est_Target.x],[Target.y,Est_Target.y],'Color','k');circle(Targe
5、t.x,Target.y,d);legend([h1,h2,h3],'ObservationStation','TargetPostion','EstimatePostion');xlabel(['error=',num2str(Error_Dist),'m']);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%子函数，计算两点间的距离functiondist=DIST(A,B)dist=sqrt((A.x-B.x)^2+(A.y-B.y)^2);%子函数，以目标为中心画圆functioncircle(x0,y0,r)sita=0:pi/2
6、0:2*pi;plot(x0+r*cos(sita),y0+r*sin(sita));%中心在(x0,y0），半径为r%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%执行程序，得到仿真结果：更多目标定位跟踪算法和程序请参考以下书籍：目录第一章目标跟踪概述11.1多传感器探测的目标跟踪架构11.2目标定位算法简介21.3目标跟踪过程描述21.4跟踪模型的建立4第二章常用目标定位算法72.1质心定位算法程序72.2加权质心定位算法程序92.3最小二乘/极大似然定位算法122.3.1测距技术122.3.2定位技术142.3.3最小均方误差的二维定位
7、方法程序162.3.4最小均方误差的三维定位方法程序172.3.5最小二乘/极大似然用于目标跟踪(连续定位)程序192.3.6最小二乘/极大似然用于纯方位目标跟踪(连续定位)程序22第三章卡尔曼滤波243.1Kalman滤波243.1.1Kalman滤波原理243.1.2Kalman滤波在目标跟踪中的应用及仿真程序263.2扩展Kalman滤波（EKF）283.2.1扩展Kalman滤波原理283.2.2基于EKF的单站观测距离的目
