【MATLAB例程】多传感器协同DOA目标跟踪与EKF滤波，输出动态目标轨迹、轨迹误差对比分析

MUSIC算法DOA估计 + 最小二乘定位 vs EKF轨迹跟踪对比
原创代码，包运行成功，可联系我获取讲解和定制

文章目录

程序详解
- 背景
- 仿真输出与分析
MATLAB源代码

程序详解

多传感器协同目标动态轨迹跟踪仿真系统，核心思路是将阵列信号处理、几何定位与卡尔曼滤波三条技术链串联起来，模拟雷达/通信领域中的多站被动定位场景。下面是系统整体的处理流程：

背景

代码模拟了一个被动多站目标定位与跟踪 场景：4个固定传感器站各自配备一个8阵元均匀线阵（ U L A ULA ULA），通过接收目标辐射的窄带信号，独立估计目标方向角（ D O A DOA DOA），再将多站测量融合定位，最后用扩展卡尔曼滤波（ E K F EKF EKF）平滑轨迹。这是雷达、无线电侦察、声呐、无人机定位等领域的核心技术链。

仿真输出与分析

代码生成4张图：

M U S I C MUSIC MUSIC空间谱（末帧各传感器峰值可视化）
真实/LS/EKF三条轨迹的二维对比
逐帧误差折线与EKF改善量柱图
不同SNR下的Monte Carlo精度曲线（半对数坐标）
命令行窗口同步输出LS与EKF的均值/标准差/最大误差及EKF的相对改善百分比。

修改SNR_dB、N_elements、N_sensors可以快速进行对比实验。

具体如下：

各传感器MUSIC谱图像：

轨迹跟踪示意图：

滤波前后误差对比：

不同信噪比下的定位误差：

命令行窗口截图：

MATLAB源代码

部分代码如下：

matlab 复制代码

%% 多传感器协同DOA技术下的目标动态轨迹跟踪研究
% 功能：MUSIC算法DOA估计 + 最小二乘定位 vs EKF轨迹跟踪对比
% 新增：动态目标轨迹、EKF滤波器、轨迹误差对比分析
% 2026-04-25 / Ver1

clear; close all; clc;
rng(0);

%% 系统参数
fc        = 1e9;             % 载频 1 GHz
c         = 3e8;             % 光速
lambda    = c / fc;          % 波长
d         = lambda / 2;      % 半波长阵元间距
N_elements  = 8;             % 阵元数
N_snapshots = 256;           % 每帧快拍数（固定，不再用连续时域采样以节省内存）
N_targets   = 1;             % 目标数（MUSIC子空间划分依据）
SNR_dB      = 5;             % 信噪比 (dB)
% 传感器站位置 (x, y)，单位：米
sensor_locations = [
       0,    0;
     100, 2000;
    -300,  866;
     200, -100;
];
N_sensors = size(sensor_locations, 1);

%%  二、生成目标动态轨迹（匀速直线运动 + 轻微转弯）
N_frames   = 60;             % 总帧数（时间步数）
dt         = 0.5;            % 帧间时间间隔 (s)

% 真实轨迹：从起点出发，沿近似直线运动

完整代码：https://download.csdn.net/download/callmeup/92829595

如需帮助，或有导航、定位滤波相关的代码定制需求，请点击下方卡片联系作者