被動定位中的單站多測度信息融合.pdf

1、軍事領域中，被動定位系統(tǒng)由于隱蔽性強，受到了越來越多的關注。被動定位分為單站和多站兩種。單站雖然覆蓋范圍有限，但不受其他站約束，且抗毀性較好的特點，使單個觀測站信息的挖掘和充分利用具有重要的實戰(zhàn)價值。多測度是利用不同量測從多個通道來獲取目標信息的多維測量技術，多測度技術獲得的目標信息更全面。對目標的多個通道進行信息融合可以綜合利用不同角度的目標信息，更精確的反應目標的位置，從而使目標定位更準確。因此，本文采用了單站多測度信息融合的方法對

2、運動目標進行跟蹤定位研究。
　　本文在分坐標處理的基礎上，針對不同機動目標模型在純方位、純仰角以及純距離三個測度下進行分解，并對多測度的可觀測性進行分析，給出了不同模型下三個測度可觀測的定理，為分坐標處理條件下目標的跟蹤提供了理論基礎。同時在系統(tǒng)可觀測的條件對不同測度進行了仿真實驗。
　　濾波是目標跟蹤系統(tǒng)的基本要素之一。本文采用了改進重采樣的粒子濾波算法和混合高斯PHD算法對單一運動模型以及實際運動中出現(xiàn)的目標運動速度或方

3、向突然發(fā)生變化的情況的不同測度進行了濾波及平滑仿真實驗。兩種濾波算法的仿真實驗結果表明：混合高斯PHD算法對純方位和純仰角兩個測度的跟蹤效果優(yōu)于改進重采樣的粒子濾波算法，而改進的粒子濾波算法對純距離測度的跟蹤效果優(yōu)于混合高斯PHD算法。我們通過加入不同的觀測誤差對這一結論進行了驗證。顯然，利用信息融合的方法，對兩種濾波方法下的跟蹤結果進行融合，充分利用不同量測的目標信息，可以使目標的定位更加精確。
　　作者采用了基本BP神經網(wǎng)絡算

4、法以及基于粒子群算法的BP神經網(wǎng)絡的融合算法對不同運動模型多測度下得到的目標信息進行了融合。由于BP算法自身存在收斂速度慢，易陷入局部極小點等缺陷，融合誤差相對較大；基于粒子群算法的BP神經網(wǎng)絡算法需要計算每個粒子的適應度以找到個體最優(yōu)和全局最優(yōu)粒子，因而其運行時間長。針對這一現(xiàn)象，本文結合支持度函數(shù)對BP算法進行了改進，將數(shù)據(jù)間的相對差異性作為支持度信息引入BP神經網(wǎng)絡的初始權值中，一定程度上改善了基本BP神經網(wǎng)絡算法對初始權值敏感的