強(qiáng)機(jī)動目標(biāo)自適應(yīng)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是軍事研究的核心課題。現(xiàn)代戰(zhàn)場中,作戰(zhàn)飛機(jī)、導(dǎo)彈、艦艇等運(yùn)動目標(biāo)的機(jī)動性越來越強(qiáng)。傳統(tǒng)的目標(biāo)跟蹤算法已不能完全滿足對這些強(qiáng)機(jī)動目標(biāo)跟蹤的適應(yīng)性和精確性需求。同時機(jī)動目標(biāo)跟蹤中無源傳感器的興起,帶來了量測噪聲相關(guān)的問題。
　　基于以上背景,本文以設(shè)計適應(yīng)性和精確性更高的機(jī)動目標(biāo)跟蹤算法為出發(fā)點(diǎn),首先對目標(biāo)機(jī)動性進(jìn)行了歸納,然后分別針對單模型目標(biāo)跟蹤算法和多模型目標(biāo)跟蹤算法進(jìn)行了具體的分析,在此基礎(chǔ)上設(shè)計了自適應(yīng)跟蹤算法。進(jìn)一

2、步,針對噪聲相關(guān)的多傳感器目標(biāo)跟蹤問題,研究了基于特征值分解和正交投影的跟蹤算法。具體研究如下:
　　1)厘清了強(qiáng)機(jī)動目標(biāo)的定義,歸納了三個目標(biāo)機(jī)動性的量度指標(biāo)。列舉了J轉(zhuǎn)彎等實(shí)際強(qiáng)機(jī)動運(yùn)動軌跡。介紹了線性與非線性狀態(tài)估計算法,指出傳統(tǒng)卡爾曼濾波在穩(wěn)態(tài)后失去機(jī)動應(yīng)變能力的缺陷,介紹了強(qiáng)跟蹤濾波器算法,并提出了評價跟蹤算法性能的主要指標(biāo)。
　　2)研究了基于單模型的自適應(yīng)強(qiáng)機(jī)動目標(biāo)跟蹤算法。通過對 Singer模型等傳統(tǒng)目標(biāo)跟

3、蹤算法的分析發(fā)現(xiàn),固定參數(shù)模型無法應(yīng)對環(huán)境的變化,在此基礎(chǔ)上,提出了基于累積機(jī)動時間的機(jī)動頻率自適應(yīng)算法、基于Sage-Husa法的系統(tǒng)噪聲方差自適應(yīng)算法、基于二重濾波的系統(tǒng)噪聲方差自適應(yīng)算法。同時設(shè)計了能更好描述機(jī)動的切法向加速模型,并進(jìn)行了仿真分析。
　　3)研究了基于多模型的自適應(yīng)強(qiáng)機(jī)動跟蹤算法。單一模型有時不能充分描述機(jī)動目標(biāo)的運(yùn)動多樣性,此時,基于多模型的濾波算法是一種較好的目標(biāo)跟蹤方式。本文在變結(jié)構(gòu)理論和模型集選擇理論

4、的基礎(chǔ)上,介紹了變結(jié)構(gòu)多模型算法,并針對已有方法只能使用同類模型的局限性,提出了基于切向法向加速度的動態(tài)有向圖方法、并行結(jié)構(gòu)的有向圖切換法及交叉結(jié)構(gòu)的自適應(yīng)網(wǎng)格法,研究了上述方法對強(qiáng)機(jī)動目標(biāo)的跟蹤效果。
　　4)研究了噪聲相關(guān)的多傳感器機(jī)動目標(biāo)跟蹤算法。提出了基于特征值分解的噪聲相關(guān)多傳感器融合算法及其序貫算法的實(shí)現(xiàn)方式,討論了該算法對運(yùn)算量降低的作用;提出了基于正交投影的序貫融合法以及簡化方法,并進(jìn)行了仿真分析;對基于多傳感器的