非線性量測下的雷達目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤已經(jīng)被廣泛的運用到軍用和民用領(lǐng)域，濾波算法在各種目標(biāo)跟蹤系統(tǒng)里面都扮演著非常重要的角色。但是在大多數(shù)建立在極坐標(biāo)或球坐標(biāo)下的雷達實時跟蹤系統(tǒng)中，系統(tǒng)的量測方程是非線性的。這超出了標(biāo)準(zhǔn)卡爾曼濾波算法的處理范圍，在這種情況下，非線性濾波算法就被派上了用場。針對這個既實際又有必要深入研究的問題，本文對雷達目標(biāo)跟蹤中使用的多種基于非線性量測信息的濾波算法展開了研究。
　　首先，本文研究了擴展卡爾曼濾波算法、無跡卡爾曼濾波算法以及粒

2、子濾波算法這幾種典型的非線性濾波算法。并且使用仿真實驗從目標(biāo)跟蹤精度以及算法運算復(fù)雜度方面來比較了這三種算法。
　　其次，在僅利用雷達系統(tǒng)獲得的目標(biāo)位置量測信息的條件下，本文研究了基于量測轉(zhuǎn)換的卡爾曼濾波算法，包括無偏量測轉(zhuǎn)換卡爾曼濾波算法、修改的無偏量測轉(zhuǎn)換卡爾曼濾波算法以及去相關(guān)無偏量測轉(zhuǎn)換卡爾曼濾波算法。本章同樣也利用仿真實驗從目標(biāo)跟蹤精度以及算法運算復(fù)雜度方面來比較了這三種算法。
　　然后考慮系統(tǒng)能夠同時獲得目標(biāo)的多

3、普勒信息的目標(biāo)跟蹤場景。本章首先介紹了兩種能利用多普勒信息的目標(biāo)跟蹤算法，包括基于量測值的序貫量測轉(zhuǎn)換卡爾曼濾波算法，和近期提出的靜態(tài)融合多普勒量測轉(zhuǎn)換卡爾曼濾波算法。本文將DUCMKF更進一步，提出了基于預(yù)測值的序貫量測轉(zhuǎn)換卡爾曼濾波算法。同樣，本章也通過利用仿真實驗來從目標(biāo)跟蹤精度以及算法運算復(fù)雜度方面來比較了這三種算法，表明新算法能獲得更高的目標(biāo)跟蹤精度，其復(fù)雜度僅略微增加。
　　最后研究了基于BLUE的雷達目標(biāo)跟蹤算法。首

4、先簡要介紹了BLUE，然后通過對 BLUE算法步驟的一系列等價變換，推導(dǎo)出了卡爾曼框架結(jié)構(gòu)形式下的BLUE算法。接著根據(jù)BLUE算法的卡爾曼濾波形式和卡爾曼算法的相似性，將BLUE算法和SQ-DUCMKF結(jié)合起來，提出了序貫的多普勒量測BLUE算法，將BLUE算法擴展到了能利用多普勒信息的場景中。
　　仿真結(jié)果表明， BLUE和DUCMKF的性能相當(dāng)，SQ-BLUE和SQ-DUCMKF的性能相當(dāng)，能實現(xiàn)在位置量測信息下以及同時具有