多传感器多目标航迹关联与融合算法研究

论文摘要

随着现代科技的飞速发展以及现代战争的需求,在机动目标跟踪领域应用信息融合技术是近年来研究的热点。面对现代战场中敌方飞行目标的高机动性和复杂性,为了对目标实施有效地打击和防御,必须有机结合多部传感器提供目标的信息,进行精确地跟踪。本文结合某项科研项目,利用分布式雷达组网技术,对本文采用的IMM滤波、航迹关联与融合算法予以软件实现,并进行一系列计算机仿真。首先,介绍了目标跟踪领域中的量测数据预处理技术,以及在kalman滤波基础上分析了交互式多模型跟踪算法,并通过仿真实例,证明了该算法是行之有效的。为后续研究航迹关联与融合算法提供了数据支持。其次,基于实际工程研究背景,对目前广泛采用的加权、修正、独立序贯分布式航迹关联算法进行了总结讨论,并分析了在航迹交叉、分岔以及合并的情况下,独立序贯算法的理论可行性,并通过多组仿真实例,证明了算法的实用性。最后,本文介绍了目标跟踪中几种常见的航迹融合算法,包括集中式和分布式两种。鉴于集中式计算量大和对系统处理器的要求较高,本文采用分布式融合算法,并对关联成功的航路,采用无反馈最优分布式融合算法进行50次Monte Carlo仿真实验,验证了此算法的可靠性。本文从工程领域角度出发,探讨了目标跟踪中数据融合的关键技术,为实际工程应用提供了有用的参考。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 论文研究背景与意义
• 1.2 国内外发展及研究现状
• 1.3 航迹关联与融合算法发展现状
• 1.3.1 航迹关联算法发展概况
• 1.3.2 航迹融合算法发展概况
• 1.4 本文的主要研究工作及内容安排
• 2 多传感器多目标信息融合理论基础
• 2.1 信息融合的定义
• 2.2 信息融合的基本原理
• 2.3 信息融合的系统结构
• 2.3.1 信息融合的层次结构
• 2.3.2 信息融合的体系结构
• 2.4 信息融合的技术与应用
• 2.4.1 信息融合的基本技术和方法
• 2.4.2 信息融合的应用
• 2.5 本论文研究的主要问题及解决思路
• 2.6 本章小结
• 3 多目标跟踪中的数据处理
• 3.1 量测数据预处理技术
• 3.1.1 坐标变换
• 3.1.2 时间配准算法
• 3.1.3 空间配准算法
• 3.2 卡尔曼滤波
• 3.3 交互式多模型跟踪算法
• 3.4 仿真分析
• 3.4.1 仿真指标
• 3.4.2 滤波仿真结果
• 3.5 本章小结
• 4 基于统计理论的航迹关联算法
• 4.1 算法描述
• 4.1.1 加权航迹关联算法
• 4.1.2 修正航迹关联算法
• 4.1.3 独立序贯航迹关联算法
• 4.1.4 典型情况下的航迹关联
• 4.2 独立序贯算法软件实现
• 4.3 仿真分析
• 4.4 本章小结
• 5 基于统计理论的航迹融合算法
• 5.1 集中式融合系统
• 5.1.1 并行滤波
• 5.1.2 序贯滤波
• 5.1.3 数据压缩滤波
• 5.2 分布式融合系统
• 5.2.1 简单凸组合航迹融合算法
• 5.2.2 Bar Shalom-Campo航迹融合算法
• 5.2.3 无反馈的最优分布式航迹融合算法
• 5.3 仿真分析
• 5.4 本章小结
• 6 总结与展望
• 6.1 本论文工作总结
• 6.2 展望
• 致谢
• 参考文献