發(fā)布時(shí)間：2024-12-29 23:51

　　隨著雷達(dá)技術(shù)的不斷發(fā)展,雷達(dá)目標(biāo)探測和跟蹤系統(tǒng)在我國國防事業(yè)中扮演著愈發(fā)重要的角色,需快速準(zhǔn)確地捕捉到偵察區(qū)域內(nèi)的所有可疑目標(biāo)位置并對其進(jìn)行實(shí)時(shí)跟蹤。在復(fù)雜電磁環(huán)境下,空間中充滿各種雜波甚至干擾信號(hào),這對目標(biāo)跟蹤技術(shù)提出了更高的要求,特別是對數(shù)據(jù)關(guān)聯(lián)過程帶來極大挑戰(zhàn)。本文對多目標(biāo)實(shí)時(shí)跟蹤過程進(jìn)行深入研究,主要研究內(nèi)容概括如下:首先,對目標(biāo)跟蹤系統(tǒng)中常用的適用于機(jī)動(dòng)目標(biāo)跟蹤的非線性卡爾曼濾波理論進(jìn)行研究,針對由于量測誤差較大而導(dǎo)致目標(biāo)跟蹤收斂速度慢的問題,提出一種卡爾曼濾波初值選取方案,對三點(diǎn)法求得超出范圍的目標(biāo)初始速度和加速度進(jìn)行修正,再以修正值為新的初值進(jìn)行濾波,這一過程稱為投影修正法。對比傳統(tǒng)初值估計(jì)方法,并結(jié)合擴(kuò)展卡爾曼濾波、無跡卡爾曼濾波和容積卡爾曼濾波算法進(jìn)行仿真驗(yàn)證。仿真結(jié)果顯示,應(yīng)用投影修正法估計(jì)初值可明顯提高濾波初期收斂速度且濾波精度不下降。此外,研究還發(fā)現(xiàn),在同等條件下,選用零值修正能得到更好的收斂效果。其次,進(jìn)一步研究實(shí)現(xiàn)對多個(gè)進(jìn)行近距離小角度交叉機(jī)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤。對傳統(tǒng)數(shù)據(jù)關(guān)聯(lián)算法與現(xiàn)有特征輔助數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行介紹和分析,并結(jié)合模糊數(shù)學(xué)的思想,提出一種基于猶豫模糊...

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
    1.2 研究背景與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 雷達(dá)目標(biāo)跟蹤研究現(xiàn)狀
        1.3.2 數(shù)據(jù)關(guān)聯(lián)研究現(xiàn)狀
    1.4 本文研究工作和內(nèi)容安排
第2章 目標(biāo)跟蹤系統(tǒng)坐標(biāo)系及模型選取
    2.1 目標(biāo)跟蹤系統(tǒng)
    2.2 跟蹤坐標(biāo)系的選取
        2.2.1 極坐標(biāo)系
        2.2.2 笛卡爾坐標(biāo)系
    2.3 機(jī)動(dòng)目標(biāo)跟蹤模型
        2.3.1 CV模型
        2.3.2 CA模型
        2.3.3 CT模型
        2.3.4 Singer模型
    2.4 本章小結(jié)
第3章 非線性卡爾曼濾波初值估計(jì)
    3.1 濾波初值估計(jì)方法
        3.1.1 三點(diǎn)法估計(jì)初值
        3.1.2 投影修正法估計(jì)初值
    3.2 非線性卡爾曼濾波方法
        3.2.1 擴(kuò)展卡爾曼濾波算法
        3.2.2 無跡卡爾曼濾波算法
        3.2.3 容積卡爾曼濾波算法
        3.2.4 非線性濾波算法對比仿真
    3.3 非線性目標(biāo)跟蹤仿真
        3.3.1 不同初值選取方法對比仿真
        3.3.2 不同量測誤差下的跟蹤精度對比
        3.3.3 投影修正法在不同修正值下的仿真
    3.4 本章小結(jié)
第4章 基于猶豫模糊集的特征輔助數(shù)據(jù)關(guān)聯(lián)
    4.1 經(jīng)典數(shù)據(jù)關(guān)聯(lián)算法
        4.1.1 概率數(shù)據(jù)關(guān)聯(lián)算法
        4.1.2 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法
        4.1.3 結(jié)合經(jīng)典數(shù)據(jù)關(guān)聯(lián)算法實(shí)現(xiàn)多機(jī)動(dòng)目標(biāo)跟蹤
    4.2 特征輔助數(shù)據(jù)關(guān)聯(lián)算法
        4.2.1 特征輔助數(shù)據(jù)關(guān)聯(lián)算法
        4.2.2 基于灰關(guān)聯(lián)思想的數(shù)據(jù)關(guān)聯(lián)算法
        4.2.3 結(jié)合GRDA算法實(shí)現(xiàn)多機(jī)動(dòng)目標(biāo)跟蹤
        4.2.4 基于灰關(guān)聯(lián)證據(jù)距離法的數(shù)據(jù)關(guān)聯(lián)算法
        4.2.5 結(jié)合GRED-DA算法實(shí)現(xiàn)多機(jī)動(dòng)目標(biāo)跟蹤
    4.3 基于猶豫模糊集的特征輔助數(shù)據(jù)關(guān)聯(lián)算法
        4.3.1 猶豫模糊集理論
        4.3.2 基于猶豫模糊集思想的數(shù)據(jù)關(guān)聯(lián)算法
        4.3.3 結(jié)合HFS-DA算法實(shí)現(xiàn)多機(jī)動(dòng)目標(biāo)跟蹤
        4.3.4 不同雜波密度和量測誤差下的多機(jī)動(dòng)目標(biāo)跟蹤
    4.4 交互式多模型目標(biāo)跟蹤算法
        4.4.1 交互式多模型算法
        4.4.2 交互式多模型目標(biāo)跟蹤算法仿真
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝



本文編號(hào)：4021471