多傳感器機動目標跟蹤數據融合算法研究.pdf

1、傳感器信息融合技術是一門新興的交叉性學科，該技術在多個領域中，都有著廣泛的應用。作為信息融合技術在目標跟蹤領域中的應用，多傳感器目標跟蹤將多個傳感器信息進行有機地合成，提高目標運動狀態(tài)估計的精度，較之任何單一傳感器的目標跟蹤，其跟蹤精度及性能均較優(yōu)。信息融合算法也已成為研究解決目標跟蹤問題的熱點之一。
　　 本論文研究了目標跟蹤的兩個關鍵問題——狀態(tài)估計與數據關聯(lián)。在研究基于最優(yōu)及次優(yōu)卡爾曼濾波算法并對運動目標狀態(tài)進行估計的基礎

2、上，采用交互式多模型算法和多傳感器聯(lián)合概率數據互聯(lián)方法對多機動目標進行跟蹤。并對所研究的機動目標跟蹤方法進行了實驗仿真。論文的工作主要有以下幾點：
　　 ①研究了用于處理線性及非線性模型的最優(yōu)及各次優(yōu)濾波算法。以火箭飛行目標為例，針對火箭實際飛行過程中測量數據存在野值，及利用雷達及光學傳感器對其進行跟蹤的測量方程為非線性的情況，提出了抗野值的無跡卡爾曼濾波。
　　 仿真實驗結果表明了該算法對火箭目標狀態(tài)估計的有效性，并與

3、擴展卡爾曼濾波算法相比，該算法具有較高的濾波估計精度。
　　 ②針對雜波環(huán)境下多目標跟蹤問題，在研究了跟蹤門的形成及單傳感器聯(lián)合概率數據互聯(lián)算法的基礎上，給出了多傳感器聯(lián)合概率數據互聯(lián)并行及順序處理結構。并通過仿真實驗，驗證了多傳感器聯(lián)合概率數據互聯(lián)算法在雜波環(huán)境下對多目標跟蹤的有效性。
　　 ③針對機動目標運動模型的不確定性及雜波的存在，在研究了交互式多模型算法的基礎上，引入多傳感器聯(lián)合概率數據互聯(lián)方法完成多傳感器量測