论文部分内容阅读
目标跟踪在军事领域和民用领域有广泛应用。随着电子对抗技术的发展，对传统基于主动传感器的跟踪方法提出了挑战，而基于ESM等被动传感器的跟踪方法受到广泛关注。针对基于ESM被动传感器的主被动定位跟踪问题，对国内外跟踪领域的研究成果进行总结分析，并对基于数据关联和基于随机有限集的两大类目标跟踪算法进行研究。取得的主要成果有：1）对ESM传感器进行建模，得到了单/双ESM传感器仿真软件，为后续跟踪算法研究创建量测平台。2）对单目标单ESM传感器场景下的被动跟踪进行研究。将UKF与高斯混合PHD滤波结合，得到适用于非线性条件下的UK-GM-PHD滤波器。利用单ESM传感器仿真软件得到目标的量测数据，应用UK-GM-PHD算法对目标进行跟踪，仿真结果说明，UK-GM-PHD算法能够对单ESM传感器下的目标进行被动跟踪。3）针对密集杂波环境下的多目标近距跟踪的航迹重叠问题，提出基于容积卡尔曼滤波(CKF)和特征辅助数据关联的多目标跟踪算法(FADA-CKF)。通过特征信息来对传统量测进行扩维，利用扩维后的量测对关联概率进行修正，将特征信息辅助技术融入到联合概率数据关联中，再利用容积卡尔曼滤波处理非线性观测量，对目标状态进行估计。仿真结果表明，改进算法在跟踪精度和误跟率方面要优于传统的JPDA跟踪算法4）针对多ESM传感器多目标被动跟踪问题，应用一种基于航迹标签的序贯UK-GM-CPHD算法来对目标进行跟踪。首先通过UKF对新生目标和已存在目标进行一步预测，然后通过对各高斯元加入航迹标签，利用GM-PHD预测步和更新步，经过航迹管理，得到最终的跟踪结果。仿真结果表明，基于双ESM传感器平台的序贯L-UK-GM-CPHD算法的跟踪性能要比单ESM传感器下的跟踪性能好。