機動目標跟蹤算法與應用研究.pdf

1、機動目標跟蹤技術在國防科研以及雷達、聲吶信號處理及其他相關領域中是一個非常重要的研究課題。近幾十年來，國內外眾多專家學者對之進行了深入的研究，取得了豐碩的成果，這些成果在空中偵察與預警、彈道導彈防御、戰(zhàn)場監(jiān)視等軍事領域，以及空中交通管制、智能車輛系統(tǒng)、交通導航、機器人視覺等民用領域都得到了廣泛的應用。隨著機動目標跟蹤理論研究的日益成熟和深入，它在工程領域中的應用也愈加廣泛；反過來，實際工程環(huán)境對傳統(tǒng)的理論與算法也提出了新的挑戰(zhàn)。

2、 本文介紹了機動目標跟蹤的組成要素、幾種常用的機動目標運動模型、數(shù)據(jù)關聯(lián)及狀態(tài)濾波等關鍵技術，其中涉及的主要算法是自適應濾波及概率數(shù)據(jù)關聯(lián)算法。在濾波算法中，針對基于“當前”統(tǒng)計模型的自適應濾波算法做了一些改進(IAF)，避免了計算加速度方差時對加速度極限值的選取，無需機動檢測，增大了機動目標的動態(tài)跟蹤范圍，在一定程度上提高了跟蹤精度。同時，對交互式多模型濾波算法進行了一定研究。針對密集回波環(huán)境中單機動目標跟蹤問題，利用傳統(tǒng)的交互式多模

3、型概率數(shù)據(jù)關聯(lián)(IMMPDA)算法的優(yōu)點，將自適應濾波算法與概率數(shù)據(jù)關聯(lián)算法相結合，同時引入一種新的結構模型，交互式自適應概率數(shù)據(jù)關聯(lián)(IMMAPDA)算法實現(xiàn)了目標狀態(tài)估計的準確性和實時性。 最后，將現(xiàn)代智能技術(神經網絡及模糊技術)在機動目標跟蹤中的應用做一介紹。BP訓練網絡用于信息融合的并行自適應濾波算法，無需模型交互，能夠達到機動目標跟蹤精度及實時性的要求；引入Hopfield網絡模型減少了傳統(tǒng)關聯(lián)算法在進行量測與目標分