機(jī)動(dòng)目標(biāo)跟蹤關(guān)鍵技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的迅速發(fā)展和現(xiàn)代戰(zhàn)爭戰(zhàn)場環(huán)境日趨復(fù)雜,現(xiàn)代目標(biāo)的機(jī)動(dòng)性能越來越復(fù)雜多變,而人們對跟蹤的性能要求則越來越高,因而,使得現(xiàn)代機(jī)動(dòng)目標(biāo)跟蹤技術(shù)成為無論是在軍事上還是民用上的都是一個(gè)研究熱點(diǎn)。在目標(biāo)跟蹤技術(shù)中,目標(biāo)的狀態(tài)最優(yōu)估計(jì)算法是跟蹤技術(shù)有效實(shí)現(xiàn)的數(shù)學(xué)工具和保證,目標(biāo)的運(yùn)動(dòng)建模是系統(tǒng)的基礎(chǔ)和核心,而系統(tǒng)的結(jié)構(gòu)則是整個(gè)跟蹤算法的有效實(shí)現(xiàn)手段,因此,本文從上述三個(gè)方面對機(jī)動(dòng)目標(biāo)跟蹤技術(shù)進(jìn)行了研究,論文的主要工作有:
　　分析了

2、現(xiàn)代目標(biāo)跟蹤系統(tǒng)的非線性特性,對目前常用的幾種非線性濾波方法擴(kuò)展卡爾曼濾波算法、無跡卡爾曼濾波算法和容積卡爾曼濾波算法進(jìn)行理論推導(dǎo),分析并仿真驗(yàn)證了這三種非線性濾波算法在高維環(huán)境下對非線性狀態(tài)的估計(jì)精度性能和穩(wěn)定性能為后續(xù)非線性機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)的自適應(yīng)算法研究提供了相應(yīng)的理論依據(jù)。
　　闡述了當(dāng)前統(tǒng)計(jì)模型及其自適應(yīng)的目標(biāo)跟蹤算法理論和性能,指出當(dāng)前統(tǒng)計(jì)模型中反映目標(biāo)機(jī)動(dòng)性能的機(jī)動(dòng)頻率初始值難以確定、且其不隨目標(biāo)機(jī)動(dòng)性能變化而自適應(yīng)

3、調(diào)整從而造成當(dāng)前統(tǒng)計(jì)模型對機(jī)動(dòng)性能變化的目標(biāo)描述能力較差,降低目標(biāo)跟蹤系統(tǒng)的整體跟蹤精度,提出了一種基于機(jī)動(dòng)性能檢測的機(jī)動(dòng)頻率自適應(yīng)算法,建立機(jī)動(dòng)頻率自適應(yīng)調(diào)節(jié)模型,分析并仿真驗(yàn)證了在目標(biāo)加速度反復(fù)機(jī)動(dòng)變化情況下,該算法對目標(biāo)機(jī)動(dòng)頻率的自適應(yīng)調(diào)節(jié)能力,并與傳統(tǒng)固定機(jī)動(dòng)頻率參數(shù)的當(dāng)前統(tǒng)計(jì)模型算法進(jìn)行了比較分析。
　　指出當(dāng)前統(tǒng)計(jì)模型采用修正的瑞利分布描述目標(biāo)的加速度存在一定的局限,使得當(dāng)前統(tǒng)計(jì)模型對弱機(jī)動(dòng)和非機(jī)動(dòng)時(shí)算法跟蹤性能較差,

4、提出了一種加速度極值自適應(yīng)濾波算法,采用一種鈴形模糊隸屬函數(shù)修正加速度極值,同時(shí)為了增強(qiáng)改進(jìn)算法對加速度突變情況的跟蹤能力,采用時(shí)變漸消因子調(diào)節(jié)修正了的加速度極值。分析并仿真驗(yàn)證了當(dāng)目標(biāo)在機(jī)動(dòng)過程中存在弱機(jī)動(dòng)和非機(jī)動(dòng)運(yùn)動(dòng),同時(shí)也存在加速度突變機(jī)動(dòng)情況時(shí)該改進(jìn)算法對目標(biāo)的跟蹤效果,并與傳統(tǒng)當(dāng)前統(tǒng)計(jì)模型和文獻(xiàn)改進(jìn)算法進(jìn)行了比較分析。
　　闡述了基于Jerk模型的目標(biāo)跟蹤理論及其跟蹤性能,指出Jerk模型在目標(biāo)的加速度變化率階躍變化時(shí)系

5、統(tǒng)會(huì)產(chǎn)生均值不為零的穩(wěn)態(tài)誤差,大大降低了Jerk模型的跟蹤性能,提出了一種基于MEP-Jerk模型機(jī)動(dòng)目標(biāo)跟蹤自適應(yīng)算法,采用模型預(yù)測濾波預(yù)測估計(jì)Jerk模型的模型誤差進(jìn)行,實(shí)時(shí)修正Jerk模型對系統(tǒng)噪聲假設(shè)不全面所造成的影響,同時(shí)針對非線性目標(biāo)跟蹤系統(tǒng),采用容積卡爾曼濾波器實(shí)現(xiàn)上述自適應(yīng)算法的狀態(tài)估計(jì)。分析并仿真驗(yàn)證了當(dāng)目標(biāo)在運(yùn)動(dòng)過程中存在非機(jī)動(dòng)運(yùn)動(dòng)、常規(guī)轉(zhuǎn)彎運(yùn)動(dòng)以及加速度變化率階躍機(jī)動(dòng)時(shí),該自適應(yīng)算法和容積卡爾曼濾波器對目標(biāo)跟蹤系統(tǒng)

6、的影響。
　　指出了Jerk模型中機(jī)動(dòng)頻率和機(jī)動(dòng)方差需要事前設(shè)置且不能自適應(yīng)調(diào)整,降低了Jerk模型對機(jī)動(dòng)目標(biāo)跟蹤精度和魯棒性能,提出了一種基于AR模型的Jerk參數(shù)自適應(yīng)估計(jì)算法,通過建立MS模型,并根據(jù)AR模型參數(shù)估計(jì)方法,實(shí)時(shí)的估計(jì)目標(biāo)的Jerk機(jī)動(dòng)頻率和機(jī)動(dòng)方差值。同時(shí)針對非線性濾波算法中容積卡爾曼濾波器在濾波過程具有較大計(jì)算量甚至可能出現(xiàn)不穩(wěn)定的情況,提出采用平方根容積卡爾曼濾波器完成上述參數(shù)自適應(yīng)算法的各狀態(tài)濾波。分析

7、并仿真驗(yàn)證了當(dāng)目標(biāo)反復(fù)做Jerk機(jī)動(dòng)運(yùn)動(dòng)時(shí)該算法對目標(biāo)跟蹤系統(tǒng)的影響,并與基于擴(kuò)展卡爾曼濾波的Jerk模型算法以及基于SRCKF的Jerk模型算法進(jìn)行了比較分析。
　　闡述了多模型理論和交互式多模型理論,詳細(xì)分析了變結(jié)構(gòu)交互式多模型算法中的可能模型集自適應(yīng)算法和期望模型集自適應(yīng)算法,指出可能模型集和期望模型集自適應(yīng)算法都不能解決系統(tǒng)模型集無法覆蓋目標(biāo)的所有運(yùn)動(dòng)狀態(tài)這一問題,提出了一種基于Kullback-Leiber信息因子分析多