多算法联合卡尔曼滤波与目标航迹关联系统

资 源 简 介

本项目实现了一套完整的信号处理与状态估计平台，集成了经典的卡尔曼滤波（Kalman Filter）算法以及适用于非线性系统的扩展卡尔曼滤波（Extended Kalman Filter, EKF）。项目旨在解决动态环境下的目标跟踪问题，能够从包含高斯白噪声的传感器测量数据中精确还原目标的运动状态（如位置、速度和加速度）。除了基础的状态估计功能外，项目还重点开发了航迹关联（Track Association）模块，该模块利用统计距离或加权算法，在多目标或杂波干扰环境下，有效将当前的量测数据与既有的目标航迹进行匹配，确保跟踪的连续性与准确性。整个系统不仅提供了核心算法的MATLAB实现源码，还包含模拟数据生成器和可视化工具，用于直观展示滤波前后的效果对比以及航迹跟踪的收敛过程，适用于雷达工程、导航制导及移动机器人定位等领域的算法验证与教学研究。

详 情 说 明

项目：多算法联合滤波与目标跟踪关联系统

项目简介

本项目实现了一套完整的信号处理与状态估计仿真平台，集成经典的卡尔曼滤波（Kalman Filter, KF）与扩展卡尔曼滤波（Extended Kalman Filter, EKF）算法。项目旨在解决动态环境下的单目标及多目标跟踪问题，能够从包含高斯白噪声的传感器测量数据中精确还原目标的运动状态。

系统包含模拟数据生成器、滤波算法核心实现以及可视化工具。除了基础的状态估计，本项目特别实现了基于统计距离和全局最近邻（GNN）思想的航迹关联模块，演示了在杂波（Clutter）干扰和多目标交叉场景下，如何将量测数据正确关联到既有航迹。

功能特性

• 线性系统状态估计：针对匀速直线运动（CV）模型，实现标准线性卡尔曼滤波。
• 非线性雷达跟踪：针对雷达观测模型（距离/方位角），实现基于雅可比矩阵线性化的扩展卡尔曼滤波。
• 多目标航迹关联：在多目标交叉及杂波环境下，利用波门（Gating）和最近邻算法进行数据关联。
• 全流程仿真：内置真实轨迹生成器、噪声添加器（高斯白噪声/泊松杂波）及性能评估模块。
• 可视化展示：提供轨迹对比图、位置/速度误差收敛曲线以及动态跟踪过程展示。

实现细节与算法分析

本项目的所有核心逻辑均集成在主程序中，通过三个主要子模块分别演示不同的跟踪场景：

1. 线性卡尔曼滤波 (Linear Kalman Filter)

该模块模拟了一个在2D平面上进行匀速直线运动的物体。

• 状态空间模型：采用 $[x, v_x, y, v_y]^T$ 作为状态向量，构建恒速运动的状态转移矩阵 $F$。
• 观测模型：假设传感器仅能观测到位置 $[x, y]^T$，观测矩阵 $H$ 为线性映射。
• 噪声处理：包含过程噪声 $Q$ 和量测噪声 $R$，模拟真实物理环境中的不确定性。
• 性能评估：仿真结束后自动计算并绘制位置误差和速度误差随时间变化的曲线，验证滤波收敛性。

2. 扩展卡尔曼滤波 (EKF - Radar Tracking)

该模块模拟雷达对目标的跟踪场景，重点解决非线性观测问题。

• 非线性观测：传感器输出为极坐标系下的距离（Range）和方位角（Azimuth），即 $z = [sqrt{x^2+y^2}, arctan(y/x)]^T$。
• 线性化处理：代码中实现了雅可比矩阵（Jacobian Matrix）的解析计算，分别求解距离和角度对状态向量各分量的偏导数，用于卡尔曼增益的计算。
• 角度跳变处理：在计算新息（Innovation）时，包含专门的逻辑处理角度在 $pm pi$ 处的跳变问题，确保残差归一化。
• 可视化优化：绘图时将极坐标量测数据转换回笛卡尔坐标系，与真实轨迹和估计轨迹进行同坐标系对比。

3. 多目标航迹关联 (Track Association)

该模块演示了复杂的“多目标 + 杂波”场景下的数据关联技术。

• 场景设置：生成两条交叉运动的目标轨迹，并利用泊松分布生成随机位置的杂波（虚假量测）。
• 波门筛选 (Gating)：利用马氏距离（Mahalanobis Distance）和卡方分布阈值构建关联波门，剔除距离预测值过远的量测点，减少计算量。
• 代价矩阵计算：计算所有航迹预测值与有效量测值之间的归一化统计距离，构建代价矩阵。
• 关联策略：采用简化的全局最近邻（Global Nearest Neighbor）策略。通过全局搜索代价矩阵中的最小值确定最优匹配对，一旦由于匹配则屏蔽对应的行和列，循环处理直到完成分配。
• 航迹更新逻辑：

* 关联成功的航迹：使用匹配的量测数据进行标准的卡尔曼滤波校正。 * 未关联的航迹：仅进行状态预测，不进行校正，保持航迹连续性。

使用方法

1. 确保计算机上安装有 MATLAB 软件。
2. 直接运行 main.m 脚本（即主函数）。
3. 程序将依次执行三个仿真部分，并在命令行输出当前运行进度。
4. 运行过程中会弹出三个图形窗口：

* Linear KF Results：展示线性滤波轨迹及误差分析。 * EKF Radar Tracking：展示非线性雷达跟踪效果。 * Track Association：动态展示多目标在杂波环境下的关联与跟踪过程。

系统要求

• MATLAB R2016a 或更高版本（代码基于基础矩阵运算，无特定工具箱强依赖，但建议具备基础信号处理环境）。
• 标准PC硬件配置即可，仿真计算量较小。