论文部分内容阅读
科技的进步促使航空航天领域技术的革新,使得运动目标机动性能向高速、高机动方向发展。在现代瞬息万变的战场环境下或复杂的空情状况监控中,如何精确完成高机动目标跟踪,成为了国内外学者研究的热点。 本文对运动目标建模及滤波算法的研究和发展进行了总结和回顾,并对其适用范围和特点给予了重点说明。针对单模型滤波算法跟踪机动目标性能较差的问题,本文重点对交互式多模型算法(Interacting Multiple Model,IMM)进行了深入研究,详细介绍了其原理,且对算法性能进行仿真验证。结果表明:算法对机动目标具有较好的适应性带宽,但对于运动模式复杂的强机动目标跟踪精度较差。基于经典IMM算法模型集设计所存在的问题:(1)仅采用两种模型(匀速直线运动模型(constant velocity,Cv)和匀加速直线运动模型(constant acceleration,CA))的IMM算法对强机动目标的跟踪适应性能太差;(2)为了使构建的目标模型集和目标实际复杂运动模式相匹配,IMM算法只能增加模型数量,但由于模型间竞争,增加过多反而使跟踪性能下降。针对问题(1),重新设计算法的模型集,分别引入两种新模型(协调转弯模型(coordinated turn,CT)和当前统计模型(currentstatistical,CS)),并对CS模型存在的缺陷进行了改进;针对问题(2),结合变结构的思想(用时变模型集代替固定模型集),在常用变结构IMM算法分析的基础上,提出了一种新的变结构IMM算法:补尝式变结构多模型算法(compensationvariable structure interacting multiple model,CPVSIMM),将上述改进算法进行蒙塔卡洛对比仿真实验,结果验证改进算法的有效性。 依据平滑算法在改善目标跟踪精度方面的内在优势,在IMM框架下,对常用的平滑算法进行了分析,并针对其所存在的计算量大和时滞模型转换的问题,本文提出了一种基于IMM框架下新的平滑算法:基于IMM框架的交互式平滑算法。实验表明,本算法明显改善了机动目标的跟踪精度。 对于杂波环境下的多机动目标跟踪问题,本文研究了两种常用的多目标跟踪算法:概率数据关联算法(probabilistic data association,PDA)和联合概率数据关联算法(joint probabilistic data association algorithm,JPDA)。针对两种算法在跟踪多机动目标算法方面的局限性,结合当前主流多模型思想,重点介绍了交互式多模型联合概率数据关联算法(IMMJPDA)。由于IMMJPDA算法存在计算量大、超调及对强多机动目标跟踪差的问题,本文提出了一种新的基于变结构思想的快速数据关联算法。仿真对比实验表明,本算法具有更好的性能。 最后,基于VS2005开发环境,采用与MATLAB7.0混合编程的方式,构建了一个多源多目标跟踪算法仿真验证平台,用于算法的验证和工程实践研究。