无论是在军事领域还是民用领域,目标跟踪技术均发挥着至关重要的作用,其在敌情监控、海陆空防御、智能交通、货物仓库的物流跟踪等领域具有重要应用价值,一直以来都是国内外学者的研究热点。为了提高目标跟踪精度,改善跟踪效果,本文给出一种基于无迹卡尔曼滤波(UKF)和粒子滤波(PF)相结合的混合滤波目标跟踪算法。本文主要研究内容如下:首先,论文阐述了本选题的研究背景及意义、并介绍了国内外的研究现状,接着对现有的线性卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF),以及粒子滤波(PF)算法进行了详细介绍,在此基础上,对上述算法的优缺点进行分析,并介绍了四种算法的误差产生原因。针对现有KF、PF算法存在的问题,本文给出一种基于UKF和PF混合滤波的目标跟踪算法。首先,应用PF算法对状态进行初始估计,克服非线性系统对目标跟踪算法的制约;然后,为了消除奇异值、粒子退化问题的影响,进一步提高目标跟踪精度,对上一步的估计结果再进行UKF。在此基础上,分别建立了基于UKF算法、PF算法、UKF和PF混合滤波算法的单观测站目标跟踪模型。MATLAB仿真实验结果表明,本文提出的基于UKF和PF混合滤波的单观测站目标跟踪算法与其它两种算法相比跟踪精度最高,有效改善了目标跟踪效果。针对单个观测站在测量精度、范围和可靠性等方面存在的不足,本文进一步研究混合滤波算法在多观测站目标跟踪中的应用。首先采用等权重加权融合方法,建立基于UKF、基于PF的多观测站目标跟踪算法模型。然后,建立一个适应度函数对加权融合方法进行改进,用来赋予各观测站不同的权重。最后分别建立了基于UKF的多观测站适应度加权目标跟踪算法、基于UKF和PF混合滤波的多观测站适应度加权目标跟踪算法模型。MATLAB仿真实验结果表明,本文提出的适应度加权融合方法有效改善了多观测站目标跟踪融合效果,并且基于UKF和PF混合滤波的多观测站适应度加权目标跟踪算法在所有算法中跟踪效果最好,提高了目标跟踪精度。最后,本文在上述研究的基础上,采用面向对象的开发方法,利用Windows系统下具有优良的跨平台特性的Qt开发平台,结合Qt与MATLAB混合编程技术,通过C++语言编程设计实现了目标跟踪仿真系统。系统仿真平台在满足设计需求的前提下运行良好,实现了对目标跟踪效果的直观展示,具有一定的参考价值。