TWS雷达目标航迹跟踪及预测算法研究

论文摘要

雷达具有十分重要的军事意义和民用价值。目标跟踪及预测是雷达必须具备的一项功能,雷达系统用传感器测量目标的距离、方位角、仰角和目标的运动速度,通过这些参数来预测它们的未来值。这使得雷达在任何交战状态下都能稳定的锁住目标,能在复杂的环境背景下,从大量杂波及固定目标中将运动目标检测出来。边扫描边跟踪（TWS）雷达是一种典型的多目标跟踪系统,是人们最早熟悉的一种用等速旋转的天线机械扫描,实现波束搜索和目标跟踪的雷达。本文以边扫描边跟踪雷达作为研究对象,主要研究雷达数据预处理问题、单目标跟踪及预测的滤波算法。前两章介绍了论文的研究意义及雷达航迹跟踪及预测的基本知识,包括几种常用的目标运动模型和常用的跟踪算法。第三章提出了一种基于神经网络和灰色模型的组合预测算法,用于预测直升机的航迹,可在数据量较少的情况下快速的建立可靠航迹。第四章首先介绍了雷达数据的预处理技术,包括常用坐标系,野值剔除,数据压缩等,然后在第二章研究和讨论卡尔曼滤波及其衍生算法的基础上,提出了球坐标系下自适应修正α-β-γ滤波的改进算法。这种算法避免了坐标系的转换,其自适应的参数获取可用于机动目标跟踪;同时加入了修正项,相对α-β-γ滤波算法来说提高了预测精度,适于实时运算。第五章是第二章介绍的三种常用滤波算法及第四章球坐标系下自适应修正α-β-γ滤波的改进算法的算法仿真部分,主要包括MATLAB仿真和DSP仿真。作者对研究和提出的算法都进行了仿真分析,仿真结果都较好的验证了结论。最后对全文进行了总结。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 雷达航迹跟踪及预测的研究意义
• 1.2 航迹跟踪及预测方法的发展历史
• 1.3 TWS雷达系统简介
• 1.4 本文主要研究内容
• 1.5 论文章节安排
• 第二章 航迹跟踪及预测基本知识
• 2.1 引言
• 2.2 目标运动模型
• 2.2.1 CV模型
• 2.2.2 CA模型
• 2.2.3 Singer模型
• 2.2.4 当前统计模型
• 2.3 直升机航迹预测算法——灰色模型法
• 2.4 常用跟踪及预测的滤波算法
• 2.4.1 卡尔曼滤波算法
• 2.4.2 α-β滤波算法
• 2.4.3 α-β-γ滤波算法
• 2.5 本章小结
• 第三章 用于直升机航迹预测的组合算法
• 3.1 灰色模型预测
• 3.1.1 灰色模型用于预测的优点
• 3.1.2 灰色新陈代谢模型的建立
• 3.1.3 残差修正模型的建立
• 3.1.4 模型的检验
• 3.2 BP神经网络基本知识
• 3.3 组合预测模型基本思路
• 3.4 实例分析
• 3.5 本章小结
• 第四章 雷达单目标航迹预测
• 4.1 坐标变换
• 4.1.1 几种常用坐标系
• 4.1.2 几种坐标系转换
• 4.1.3 常用坐标系的跟踪问题
• 4.2 数据预处理
• 4.2.1 野值
• 4.2.2 数据压缩
• 4.3 球坐标系下的自适应修正α-β-γ滤波算法
• 4.3.1 雷达观测方程
• 4.3.2 修正项的推导
• 4.3.3 算法的外推方程
• 4.3.4 α-β-γ的自适应获取
• 4.4 本章小结
• 第五章 算法的仿真结果对比及分析
• 5.1 已有滤波算法的仿真分析
• 5.1.1 卡尔曼滤波算法
• 5.1.2 α-β滤波算法
• 5.1.3 α-β-γ滤波算法
• 5.2 修正滤波算法的MATLAB仿真
• 5.2.1 仿真数据的建立
• 5.2.2 球坐标系下的自适应修正α-β-γ滤波算法的MATLAB仿真
• 5.3 球坐标系下的自适应修正α-β-γ滤波算法在DSP上的实现
• 5.3.1 DSP的软件开发环境CCS
• 5.3.2 DSP运行本文提出的修正算法
• 5.4 仿真结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 致谢