認知雷達目標跟蹤方法研究.pdf

1、認知雷達(Cognitive Radar)可以通過對外部環(huán)境和目標的動態(tài)不斷地進行感知，自適應(yīng)地選擇工作模式、發(fā)射波形、信號處理算法和數(shù)據(jù)處理算法等，充分利用各種先驗信息進行智能處理。認知雷達區(qū)別于傳統(tǒng)自適應(yīng)雷達的方面主要在于，它具有自適應(yīng)的發(fā)射能力和知識輔助處理能力。在目標跟蹤階段，先驗信息豐富，更適合進行認知發(fā)射和知識輔助處理。本論文面向認知雷達的目標跟蹤方面，分別研究了發(fā)射波形優(yōu)化和接收數(shù)據(jù)處理方法，具體包括針對目標跟蹤的發(fā)射波形

2、選擇、機動目標跟蹤算法和數(shù)據(jù)關(guān)聯(lián)方法等內(nèi)容?，F(xiàn)將主要工作概括如下：
　　1.分別從單脈沖和多脈沖兩個方面討論了針對目標跟蹤的發(fā)射波形選擇問題。(1)單脈沖情況：首先將矩形脈沖信號作為基波形，對其模糊函數(shù)在時延-多普勒頻移平面分別進行伸縮變換和旋轉(zhuǎn)變換，得到線性調(diào)頻(Linear Frequency Modulated，LFM)波形庫和旋轉(zhuǎn)波形庫。然后基于卡爾曼濾波(Kalman Filter，KF)算法，分別以最大互信息和最小均方

3、誤差為準則，在兩個波形庫中尋找最優(yōu)的發(fā)射波形。詳細分析了兩種波形選擇準則的物理意義和優(yōu)缺點。另外，目標距離跟蹤誤差和速度跟蹤誤差在量綱上不一致，而現(xiàn)有的波形選擇方法無法調(diào)節(jié)二者的權(quán)重。針對此問題，本文提出了加權(quán)最小均方誤差準則及其變形形式。仿真結(jié)果驗證了所提方法的有效性。(2)多脈沖情況：針對機動目標跟蹤的發(fā)射波形選擇，需要兼顧測距測速性能與多普勒容忍性。對比了多脈沖 LFM信號、V型調(diào)頻(V-Linear Frequency Modu

4、lated，V-LFM)信號和M序列3種發(fā)射波形估計目標距離和速度的克拉美羅下界(Cramer-Rao Lower Bound，CRLB)與多普勒容忍性。仿真結(jié)果表明，V-LFM信號在損失較少多普勒容忍性的情況下，可以明顯提高目標的跟蹤精度。
　　2.針對機動目標的跟蹤問題，提出了基于 AR模型的 KF和交互多模型(Interacting Multiple Model，IMM)濾波相互切換的跟蹤算法。首先介紹了傳統(tǒng)的機動目標跟蹤模

5、型和跟蹤算法，詳細分析了當前主流機動目標跟蹤算法的基本原理和優(yōu)缺點。然后，將AR模型應(yīng)用于目標跟蹤，詳細介紹了AR模型的構(gòu)建過程和求解方法。AR模型不僅能滿足目標運動狀態(tài)的多項式約束，還能利用額外的自由度濾除噪聲，屬于一種自適應(yīng)的狀態(tài)模型。最后針對機動目標的跟蹤問題，引入了變維濾波的思想，通過機動檢測來切換基于 AR模型的 KF和基于 AR模型的IMM濾波器，以適應(yīng)目標的非機動和機動狀態(tài)。從本質(zhì)上說，本文所提跟蹤算法是一種變結(jié)構(gòu)的多模型

6、(Variable Structure Multiple Model，VSMM)算法，而且運算量要遠小于現(xiàn)有的VSMM算法，具有一定的工程應(yīng)用價值。仿真結(jié)果表明：在相同的參數(shù)條件下，AR模型的跟蹤性能要優(yōu)于傳統(tǒng)的離散時間微分模型，尤其當算法的參數(shù)設(shè)置與目標實際運動狀態(tài)不匹配時，優(yōu)勢則更為明顯，而且所提算法的跟蹤性能也要好于傳統(tǒng)的變維濾波和IMM算法。
　　3.針對機動目標的數(shù)據(jù)關(guān)聯(lián)問題，提出了基于綜合交互多模型-概率數(shù)據(jù)關(guān)聯(lián)(In

7、teracting Multiple Model-Probabilistic Data Association，IMM-PDA)算法的自適應(yīng)關(guān)聯(lián)波門設(shè)計方法。傳統(tǒng)針對機動目標的關(guān)聯(lián)波門設(shè)計方法僅通過擴大波門來確認有效量測，而未改善關(guān)聯(lián)概率，容易引起失跟現(xiàn)象。本文在綜合 IMM-PDA算法的框架下，提出一種利用目標運動狀態(tài)的量測信息進行自適應(yīng)關(guān)聯(lián)波門設(shè)計的方法。在綜合 IMM-PDA算法的基礎(chǔ)上進行關(guān)聯(lián)波門設(shè)計，有可能得到最優(yōu)的量測集合，

8、進而可以降低失跟率，提高跟蹤精度。本文提出兩步法設(shè)計關(guān)聯(lián)波門：當波門內(nèi)不存在有效量測時，首先逐步擴大波門使得有效量測存在；然后利用觀測信息，在目標狀態(tài)的預(yù)測范圍內(nèi)以最小均方誤差為準則對關(guān)聯(lián)波門的中心進行尋優(yōu)。本文方法利用量測信息調(diào)整了關(guān)聯(lián)波門的中心和大小，改善了關(guān)聯(lián)概率，得到了更優(yōu)的量測集合。仿真結(jié)果表明本文所提方法在跟蹤精度和失跟率等方面均優(yōu)于傳統(tǒng)方法。
　　4.針對多目標的數(shù)據(jù)關(guān)聯(lián)問題，提出了基于多維信息的數(shù)據(jù)關(guān)聯(lián)方法。傳統(tǒng)的

9、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(Joint Probabilistic Data Association，JPDA)算法在應(yīng)對低信噪比情況下的多目標跟蹤時，計算量非常之大。而且傳統(tǒng)方法僅利用目標的位置信息進行數(shù)據(jù)關(guān)聯(lián)，在處理多個目標航跡接近或交叉的情況時，容易產(chǎn)生航跡合并甚至誤跟的現(xiàn)象。本文首先從理論上分析了JPDA算法的計算量，然后分別討論了多普勒信息和高分辨距離像(High Resolution Range Profile，HRRP)信息在多目標

10、跟蹤中的應(yīng)用：（1）多普勒信息的應(yīng)用：脈沖多普勒雷達可以通過動目標檢測(Moving Target Detection，MTD)技術(shù)同時獲得多個目標的多普勒信息。本文從航跡起始和航跡維持兩個方面分別討論了多普勒信息在多目標跟蹤中的應(yīng)用。（2）HRRP信息的應(yīng)用：與多普勒信息的不同之處在于，HRRP信息屬于目標的特征信息。傳統(tǒng)方法在利用 HRRP信息進行數(shù)據(jù)關(guān)聯(lián)時，并未考慮到它與目標運動狀態(tài)之間的相關(guān)性。本文首先利用 HRRP信息的姿態(tài)敏