基于自适应滤波的机动目标跟踪算法研究

论文摘要

目标跟踪无论在空中侦察与预警、弹道导弹防御、战场监视等军事领域,还是空中交通管制、交通导航等民用领域均有广泛的应用,扮演着重要的角色。然而随着现今各类飞行器机动性能的提高,传统的目标跟踪算法已逐渐不能满足精确跟踪的要求,应用自适应滤波提高机动目标跟踪的性能,是一项颇具现实意义的研究课题。机动目标跟踪自适应滤波算法主要分三种类型,检测自适应滤波、实时辨识自适应滤波与全面自适应滤波,本文首先对三种算法中各自典型算法:变维算法(VDF)、当前统计模型均值自适应算法、交互式多模型算法(IMM)算法进行研究,通过仿真分析出综合性能上IMM算法有着明显的优势,而当前统计模型均值算法在高机动的情况下跟踪性能良好。当前统计模型算法存在着两个缺陷:弱机动目标跟踪能力差;目标实现跟踪需要对目标机动加速度进行合理的先验假设。本文深入研究当前统计自适应算法原理,应用模糊机理对当前统计自适应算法中先验假设进行适当修正,仿真表明其在一定程度上弱化了当前统计模型的缺陷。针对IMM算法中模型转移概率矩阵为固定值的情况,应用滤波过程中得到的模型概率,实时对模型状态转移矩阵进行修正,并对基于常速(CV)、常加速(CA)、机动转弯模型(CT)的改进IMM算法与传统IMM算法进行了对比仿真,验证了改进算法具备较高的精度,机动调节时间也相应减少。最后考虑到当前统计模型对高机动目标的良好跟踪能力,将改进当前统计模型融入修正转移概率的IMM算法中,结合用以描述非机动、弱机动的CV、CA模型作为IMM算法子模型集,增强了IMM算法的自适应性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 目标跟踪发展及国内外研究现状
• 1.3 目标跟踪应用概述
• 1.4 本文研究的主要内容
• 第2章 机动目标跟踪基本理论与内容
• 2.1 机动目标跟踪基本原理
• 2.2 机动目标跟踪模型
• 2.2.1 CV、CA 模型
• 2.2.2 Singer 模型
• 2.2.3 当前统计模型
• 2.2.4 机动转弯（CT）模型
• 2.3 卡尔曼滤波
• 2.3.1 卡尔曼滤波发展概述
• 2.3.2 离散卡尔曼滤波
• 2.4 滤波发散现象与自适应滤波算法
• 2.5 本章小结
• 第3章 机动目标自适应滤波跟踪算法
• 3.1 引言
• 3.2 检测自适应滤波
• 3.2.1 检测自适应滤波原理
• 3.2.2 变维自适应滤波算法
• 3.2.3 算法仿真分析
• 3.3 实时辨识自适应滤波
• 3.3.1 实时辨识自适应滤波原理
• 3.3.2 当前统计模型均值自适应算法
• 3.3.3 算法仿真分析
• 3.4 当前统计模型改进算法
• 3.4.1 当前统计模型算法分析
• 3.4.2 加速度方差自适应算法
• 3.4.3 基于模糊机理的改进当前统计算法
• 3.4.4 算法仿真分析
• 3.5 本章小结
• 第4章 交互式多模型跟踪算法
• 4.1 多模型算法
• 4.2 交互式多模型算法
• 4.2.1 交互式多模型算法原理
• 4.2.2 交互式多模型算法流程
• 4.2.3 交互式多模型算法分析
• 4.3 修正转移概率的IMM 算法
• 4.3.1 修正转移概率算法原理
• 4.3.2 算法仿真分析
• 4.4 自适应交互式多模型算法
• 4.4.1 自适应交互多模型算法原理
• 4.4.2 算法仿真分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历