目录
前言
本博客有一个专栏用来介绍有关MATLAB中的Appdesigner的操作以及使用，本文是为了深化读者对于基础知识运用而写作的。博主结合雷达目标kalman滤波跟踪过程，将参数交互、仿真结果展示等知识点结合软件制作过程进行了讲解和分析，设计了一个目标跟踪仿真软件。目的是便于读者理解，同时读者可以根据上传的源代码资源进行拓展开发，对应程序可在资源界面下载。
一、软件页面设计
软件界面由三大部分组成，第一部分是参数输入部分，第二部分是仿真按钮，第三部分是图形展示部分，具体的软件界面设计如图所示。
参数输入部分的主要作用是实现数据的交互，获取软件界面输入的参数信息，主要分为仿真参数、目标参数雷达参数三个部分，如图所示。
仿真按钮部分是程序触发部分，包含了目标跟踪的程序主体。通过点击仿真按钮，程序开始运行，仿真结束之后将仿真结果输出到图形展示框。
图形展示部分是最终的结果展示部分，主要包括目标及雷达位置示意图和跟踪误差示意图。通过函数将图形绘制到软件界面，实现结果的传递。具体的细节可以参照另外一篇文章：
https://blog.csdn.net/h320130/article/details/139999767?spm=1001.2014.3001.5502二、仿真部分
（一）参数输入
仿真代码如下：
Matlab
%参数设定
nf = app.target5.Value;%噪声强度
N_sim = app.sim.Value;
Ts = app.sim1.Value;
N_step = N_sim/Ts; %仿真时长
radar_location=[app.rad1.Value app.rad2.Value];
H = [1 0 0 0
0 0 1 0];
ini_state(:,1) = [app.target1.Value, app.target2.Value, app.target3.Value, app.target4.Value]';
R_base = [app.rad3.Value 0;
0 app.rad4.Value];
P_0 = 4500*eye(4);（二）绘图部分
仿真代码如下：
Matlab
%%
cla(app.UIAxes);
cla(app.UIAxes_2);
%绘图部分
plot(app.UIAxes,X_real{1}(1,:),X_real{1}(3,:),"LineWidth",1.2);
app.UIAxes.NextPlot = 'add';
scatter(app.UIAxes,radar_location(1,1),radar_location(1,2),80,'v','filled');
legend(app.UIAxes,'\fontname{宋体}目标','\fontname{宋体}雷达');
xlabel(app.UIAxes,'x(m)','FontSize',14,'Fontname', 'Times New Roman'),ylabel(app.UIAxes,'y(m)','FontSize',14,'Fontname', 'Times New Roman')
set(app.UIAxes,'FontSize',14,'Fontname', 'Times New Roman');
ymax = max([X_real{1}(3,:),radar_location(2)])+3000;
ymin = min([X_real{1}(3,:),radar_location(2)])-3000;
xmax = max([X_real{1}(1,:),radar_location(1)])+3000;
xmin = min([X_real{1}(1,:),radar_location(1)])-3000;
xlim(app.UIAxes,[xmin, xmax]);
ylim(app.UIAxes,[ymin, ymax]);
plot(app.UIAxes_2,RMSE_each_node_sum',"LineWidth",1);
xlabel(app.UIAxes_2,'Frame','FontSize',14,'Fontname', 'Times New Roman'),ylabel(app.UIAxes_2,'RMSE(m)','FontSize',14,'Fontname', 'Times New Roman')
set(app.UIAxes_2,'FontSize',14,'Fontname', 'Times New Roman');（三）目标追踪程序
仿真代码如下：
Matlab
for k = 1:N_step
% 目标运动设定
X_real= cell(N_R,1);
X_real(:) = {zeros(nx,N_step+1)};
for i = 1:N_Q
X_real{i} = track(app,ini_state(:,i),nx,N_step,F,Q);
end
% 目标的估计值为一个确定的数，真实值满足其均值的高斯分布
%%
%量测信息更新
Z_real = cell(N_R,N_Q);
for i = 1:N_R
for j = 1:N_Q
Z_real{i,j}= H*X_real{j};%其中h为量测更新函数，为N_R*N_Q的元组
end
end
z_real_every = cell(N_R,N_step);
z_real_every(:) = {zeros(nz,1)};
R = cell(N_R,N_step);
R(:) = {zeros(nz,nz)};
%% 最优滤波过程（有反馈）
X_each_node = cell(N_R,N_step);
X_each_node(:) = {zeros(nx,1)};
P_each_node = cell(N_R,N_step);
P_each_node(:) = {zeros(nx,nx)};
for i1 = 1:N_R
X_each_node{i1,N_initial} = ini_state(:,1) + sqrt(P_0)*randn(nx,1);
P_each_node{i1,N_initial} = P_0;
RMSE_each_node(i1,N_initial) = (X_each_node{i1,N_initial}(1,1)-X_real{1}(1,N_initial))^2 + (X_each_node{i1,N_initial}(3,1)-X_real{1}(3,N_initial))^2;
end
for i = N_initial+1: N_step
for i1 = 1:N_R
R_mid = R_cal(app,R_base,X_real{1}(:,i),radar_location(i1,:)');
R{i1,i} = R_mid;
z_real_every{i1,i} = Z_real{i1,1}(:,i) + R_mid*randn(nz,1);
[X_each_node{i1,i},P_each_node{i1,i}] = KF(app,X_each_node{i1,i-1},z_real_every{i1,i},P_each_node{i1,i-1},R_mid,F,Q,H);
RMSE_each_node(i1,i) = (X_each_node{i1,i}(1,1)-X_real{1}(1,i))^2 + (X_each_node{i1,i}(3,1)-X_real{1}(3,i))^2;
end
end
RMSE_each_node_sum = RMSE_each_node + RMSE_each_node_sum;
end
RMSE_each_node_sum = sqrt(RMSE_each_node_sum/N_step);总结
以上就是今天要讲的内容，本文简单介绍了一种目标追踪仿真软件的设计方法，涉及软件界面设计、图形展示、参数输入等知识，读者可以在博主设计的软件基础上进行修改，实现自己所需的功能。