基于高阶累积量机动检测的目标跟踪算法研究

论文摘要

机动目标跟踪在军事和民用领域有着广泛的应用。它是对传感器接收到的数据进行处理的过程，同时也是对目标当前时刻和下一时刻的状态估计。由于跟踪环境和目标机动性能发生变化，各种应用系统对机动目标跟踪提出了更高的要求。本文对机动目标跟踪的基本理论与方法进行了深入的研究，对多传感器的数据获取、处理和坐标系的选择进行了分析，对单目标跟踪的模型和算法进行了详细的比较，发现以往的方法存在着模型切换误差大、算法精度低、实时性差等问题。针对上述问题，本文以雷达跟踪系统为背景，利用高阶累积量检测的计算量小、精度高的优点，并与自适应滤波算法和交互式多模型算法相结合，提出了一种适合于杂波环境下跟踪机动目标的新算法，有效地解决了多机动目标跟踪中高信噪比情况下检测的问题。与传统的交互式多模型算法相比，所提出的算法计算量小、实时性强、精度高、模型切换误差低。通过计算机仿真，证实了这种新的算法优于以往的算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 机动目标跟踪
• 1.2.1 机动目标跟踪介绍
• 1.2.2 机动目标跟踪数据处理模型
• 1.3 课题研究动态及发展方向
• 1.3.1 机动目标跟踪的国内外研究动态
• 1.3.2 机动目标跟踪今后的发展方向
• 1.4 本论文的工作
• 第二章 机动目标量测数据预处理技术
• 2.1 机动目标跟踪中常用的量测传感器
• 2.1.1 雷达
• 2.1.2 红外传感器
• 2.1.3 电子支持测量装置
• 2.1.4 声纳
• 2.2 数据预处理
• 2.2.1 量测坐标系的选择
• 2.2.2 几种坐标系中的跟踪问题
• 2.2.3 野值的分类
• 2.2.4 野值的识别与处理
• 2.3 本章小结
• 第三章 机动目标跟踪的基本理论和方法
• 3.1 机动目标跟踪的基本理论
• 3.1.1 单机动目标跟踪的基本原理
• 3.1.2 多机动目标跟踪的基本原理
• 3.2 机动目标跟踪的基本要素
• 3.2.1 量测数据的形成
• 3.2.2 机动检测
• 3.2.3 跟踪坐标系与滤波状态变量的选取
• 3.2.4 跟踪门的形成方法
• 3.2.5 跟踪起始与跟踪终结
• 3.2.6 漏报与虚警
• 3.3 滤波与预测
• 3.3.1 滤波理论基础
• 3.3.2 卡尔曼滤波器的特点
• 3.3.3 在机动目标跟踪中的卡尔曼滤波与预测
• 3.3.4 卡尔曼滤波与预测基本方程
• 3.4 机动目标跟踪的数据关联算法
• 3.4.1 单机动目标跟踪数据关联算法
• 3.4.2 多机动目标跟踪数据关联算法
• 3.5 本章小结
• 第四章 机动目标跟踪模型及算法
• 4.1 机动目标的基本模型
• 4.1.1 匀速直线运动模型
• 4.1.2 匀加速直线运动模型
• 4.1.3 匀速率转弯模型
• 4.2 机动目标跟踪算法
• 4.2.1 多模算法概述
• 4.2.2 静态多模算法
• 4.2.3 交互式多模型算法
• 4.2.4 变结构多模算法
• 4.3 本章小结
• 第五章 基于高阶累积量的目标跟踪
• 5.1 机动辨识目标跟踪
• 5.1.1 噪声辨识
• 5.1.2 自适应增益调节
• 5.2 传统的机动检测方法
• 5.2.1 检验的方法
• 5.2.2 输入估计算法
• 5.2.3 可调白噪声模型
• 5.2.4 变维算法
• 5.3 基于高阶累积量检测的目标跟踪算法
• 5.3.1 高阶累积量
• 5.3.2 基于三阶累积量的机动检测
• 5.3.3 基于三阶累积量检测目标机动的跟踪算法
• 5.3.4 基于高阶累积量跟踪算法与交互多模算法比较
• 5.4 本章小结
• 第六章 总结和展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文