高速高機動目標(biāo)跟蹤算法研究.pdf

1、在軍事和民用領(lǐng)域譬如空防和空中交通管制中，需要可靠而精確的跟蹤目標(biāo)。運動目標(biāo)的機動會使跟蹤系統(tǒng)的性能產(chǎn)生惡化，由于機動出現(xiàn)的復(fù)雜性、隨機性和多樣性，對機動目標(biāo)進(jìn)行跟蹤一直是一個具有挑戰(zhàn)性的問題，不管在理論上和實踐上都有較高的技術(shù)難度。而隨著現(xiàn)代航空航天技術(shù)的飛速發(fā)展，各種飛行器的航行速度和機動性越來越高，在此背景下，如何提高高速高機動目標(biāo)的跟蹤性能成為一個越來越重要的問題，因此迫切需要研究性能更為優(yōu)越的跟蹤濾波方法。雖然現(xiàn)在已有不少目標(biāo)

2、跟蹤算法，但專門針對高速高機動目標(biāo)跟蹤的研究還不多，因此本文著重研究高速高機動目標(biāo)的跟蹤問題。 本文首先回顧了目標(biāo)跟蹤問題的發(fā)展歷史，并介紹了該課題的研究現(xiàn)狀：主要介紹了交互多模型(IMM)算法及其改進(jìn)算法和各種機動運動模型的研究現(xiàn)狀。第二章詳細(xì)介紹了目前運用最廣泛的幾種機動運動模型，包括勻速運動(CV)模型、勻加速運動(CA)模型、Singer模型、“當(dāng)前”統(tǒng)計模型和二級濾波模型；討論分析了各種模型的過程方程及各種參數(shù)。第三章

3、詳細(xì)討論了三種目標(biāo)跟蹤算法：IMM算法、重新計算權(quán)重的交互多模型(RIMM)算法和交互加速度補償(1AC)算法；詳細(xì)介紹了各種算法的原理及步驟；對分別使用Singer模型、“當(dāng)前”統(tǒng)計模型和二級濾波模型的IMM算法，RIMM算法及1AC算法作了仿真。在第四章中本文提出了一種使用多種機動運動模型交互的IMM算法并作了仿真；介紹了一種基于時變馬爾可夫轉(zhuǎn)移概率矩陣的IMM算法并作了仿真；在此基礎(chǔ)上提出了一種改進(jìn)的IMM算法，算法結(jié)合使用多種運