论文部分内容阅读
目标跟踪是军事研究的核心课题。现代战场中,作战飞机、导弹、舰艇等运动目标的机动性越来越强。传统的目标跟踪算法已不能完全满足对这些强机动目标跟踪的适应性和精确性需求。同时机动目标跟踪中无源传感器的兴起,带来了量测噪声相关的问题。基于以上背景,本文以设计适应性和精确性更高的机动目标跟踪算法为出发点,首先对目标机动性进行了归纳,然后分别针对单模型目标跟踪算法和多模型目标跟踪算法进行了具体的分析,在此基础上设计了自适应跟踪算法。进一步,针对噪声相关的多传感器目标跟踪问题,研究了基于特征值分解和正交投影的跟踪算法。具体研究如下:1)厘清了强机动目标的定义,归纳了三个目标机动性的量度指标。列举了J转弯等实际强机动运动轨迹。介绍了线性与非线性状态估计算法,指出传统卡尔曼滤波在稳态后失去机动应变能力的缺陷,介绍了强跟踪滤波器算法,并提出了评价跟踪算法性能的主要指标。2)研究了基于单模型的自适应强机动目标跟踪算法。通过对Singer模型等传统目标跟踪算法的分析发现,固定参数模型无法应对环境的变化,在此基础上,提出了基于累积机动时间的机动频率自适应算法、基于Sage-Husa法的系统噪声方差自适应算法、基于二重滤波的系统噪声方差自适应算法。同时设计了能更好描述机动的切法向加速模型,并进行了仿真分析。3)研究了基于多模型的自适应强机动跟踪算法。单一模型有时不能充分描述机动目标的运动多样性,此时,基于多模型的滤波算法是一种较好的目标跟踪方式。本文在变结构理论和模型集选择理论的基础上,介绍了变结构多模型算法,并针对已有方法只能使用同类模型的局限性,提出了基于切向法向加速度的动态有向图方法、并行结构的有向图切换法及交叉结构的自适应网格法,研究了上述方法对强机动目标的跟踪效果。4)研究了噪声相关的多传感器机动目标跟踪算法。提出了基于特征值分解的噪声相关多传感器融合算法及其序贯算法的实现方式,讨论了该算法对运算量降低的作用;提出了基于正交投影的序贯融合法以及简化方法,并进行了仿真分析;对基于多传感器的单模型跟踪算法、多模型跟踪算法流程进行了分析。