發(fā)布時間：2024-12-29 23:51

　　隨著雷達技術的不斷發(fā)展,雷達目標探測和跟蹤系統(tǒng)在我國國防事業(yè)中扮演著愈發(fā)重要的角色,需快速準確地捕捉到偵察區(qū)域內的所有可疑目標位置并對其進行實時跟蹤。在復雜電磁環(huán)境下,空間中充滿各種雜波甚至干擾信號,這對目標跟蹤技術提出了更高的要求,特別是對數據關聯過程帶來極大挑戰(zhàn)。本文對多目標實時跟蹤過程進行深入研究,主要研究內容概括如下:首先,對目標跟蹤系統(tǒng)中常用的適用于機動目標跟蹤的非線性卡爾曼濾波理論進行研究,針對由于量測誤差較大而導致目標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,對三點法求得超出范圍的目標初始速度和加速度進行修正,再以修正值為新的初值進行濾波,這一過程稱為投影修正法。對比傳統(tǒng)初值估計方法,并結合擴展卡爾曼濾波、無跡卡爾曼濾波和容積卡爾曼濾波算法進行仿真驗證。仿真結果顯示,應用投影修正法估計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,在同等條件下,選用零值修正能得到更好的收斂效果。其次,進一步研究實現對多個進行近距離小角度交叉機動目標的實時跟蹤。對傳統(tǒng)數據關聯算法與現有特征輔助數據關聯算法進行介紹和分析,并結合模糊數學的思想,提出一種基于猶豫模糊...

【文章頁數】：86 頁

【學位級別】：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 國內外研究現狀
        1.3.1 雷達目標跟蹤研究現狀
        1.3.2 數據關聯研究現狀
    1.4 本文研究工作和內容安排
第2章 目標跟蹤系統(tǒng)坐標系及模型選取
    2.1 目標跟蹤系統(tǒng)
    2.2 跟蹤坐標系的選取
        2.2.1 極坐標系
        2.2.2 笛卡爾坐標系
    2.3 機動目標跟蹤模型
        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
第3章 非線性卡爾曼濾波初值估計
    3.1 濾波初值估計方法
        3.1.1 三點法估計初值
        3.1.2 投影修正法估計初值
    3.2 非線性卡爾曼濾波方法
        3.2.1 擴展卡爾曼濾波算法
        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
第4章 基于猶豫模糊集的特征輔助數據關聯
    4.1 經典數據關聯算法
        4.1.1 概率數據關聯算法
        4.1.2 聯合概率數據關聯算法
        4.1.3 結合經典數據關聯算法實現多機動目標跟蹤
    4.2 特征輔助數據關聯算法
        4.2.1 特征輔助數據關聯算法
        4.2.2 基于灰關聯思想的數據關聯算法
        4.2.3 結合GRDA算法實現多機動目標跟蹤
        4.2.4 基于灰關聯證據距離法的數據關聯算法
        4.2.5 結合GRED-DA算法實現多機動目標跟蹤
    4.3 基于猶豫模糊集的特征輔助數據關聯算法
        4.3.1 猶豫模糊集理論
        4.3.2 基于猶豫模糊集思想的數據關聯算法
        4.3.3 結合HFS-DA算法實現多機動目標跟蹤
        4.3.4 不同雜波密度和量測誤差下的多機動目標跟蹤
    4.4 交互式多模型目標跟蹤算法
        4.4.1 交互式多模型算法
        4.4.2 交互式多模型目標跟蹤算法仿真
    4.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文和取得的科研成果
致謝



本文編號：4021471