1. 研究目的与意义

运动目标检测和跟踪是计算机视觉的一个十分有实际意义的分支。计算机视觉是指通过计算机识别与分析信号来实现人类的视觉方面的功能，它的研究目标就是使计算机具有用过一幅或多幅图像认知周围环境的能力（包括对客观世界三维环境的感知、识别与理解）。运动目标检测作为计算机视觉技术的一个分支，就是对视场内的运动目标，如人或交通工具，进行实时的观测，并将其分类，然后分析他们的行为。目前，国际上许多高校和研究所，专门设立了针对运动目标检测的研究组或者研究实验室，一些著名公司和研究机构近几年来投入了大量的人力物力来进行运动目标检测和跟踪技术的研究，部分成果已经转化为产品投入了市场。

通常，信号的频谱处于有限的频率范围内，而噪声的频谱则散布在很广的频率范围内。如前所述，为了消除噪声，可以把 fir滤波器或iir滤波器设计成合适的频带滤波器，进行频域滤波。但在许多应用场合，需要进行时域滤波，从带噪声的信号中提取有用信号。虽然这样的过程其实也算是对信号的滤波，但所依据的理论,即针对随机信号的估计理论,是自成体系的。人们对随机信号干扰下的有用信号不能“确知”，只能“估计”。为了“估计”，要事先确定某种准则以评定估计的好坏程度。最小均方误差是一种常用的比较简单的经典准则。典型的线性估计器是离散时间维纳滤波器与卡尔曼滤波器。

对于平稳时间序列的最小均方误差估计的第一个明确解是维纳在1942年2月首先给出的。当时美国的一个战争研究团体发表了一个秘密文件，其中就包括维纳关于滤波问题的研究工作。这项研究是用于防空火力控制系统的。维纳滤波器是基于最小均方误差准则的估计器。为了寻求维纳滤波器的冲激响应，需要求解著名的维纳-霍夫方程。这种滤波理论所追求的是使均方误差最小的系统最佳冲激响应的明确表达式。这与卡尔曼滤波（kalman filtering）是很不相同的。卡尔曼滤波所追求的则是使均方误差最小的递推算法。

2. 研究内容和预期目标

本课题研究的主要内容：

1.学习并掌握卡尔曼滤波方法、原理及其5个关键方程；

2.学习如何对运动目标进行数学建模，即用状态方程和观测方程描述运动目标；

3. 研究的方法与步骤

研究方法：

1. 调查研究，了解当前社会对这方面的需求，以及卡尔曼滤波和运动目标跟踪算法的背景和意义，查阅基于交互多模型的卡尔曼滤波在目标跟踪中的研究现状。

2. 收集资料，通过国内外的文献和资料的整理和分析，总结分析各种方法，从中得出最适合本次课题的方案。

4. 参考文献

[1] 冯刚，吕茂庭，覃天.基于matlab的卡尔曼滤波仿真研究[d].防空兵学院硕士

学位论文，2011.

[2] 苏林，尚朝轩.基于卡尔曼滤波器的雷达追踪[d].石家庄军械工程学院，2006.

5. 计划与进度安排

第一阶段（1周-4周）

收集资料，了解卡尔曼滤波器和imm的基本知识，对设计任务有基本认识，撰写开题报告；

第二阶段（5周-8周）