多雷达组网的数据处理技术研究

论文摘要

本文结合雷达组网课题,对多雷达组网的数据处理技术进行了研究探讨,主要包括误差配准、数据关联、目标状态估计等内容。在数据配准中,首先进行坐标变换,并介绍雷达系统误差修正的坐标系统和实现原理,对两部雷达系统误差修正导出了具体实现公式。通过仿真表明,较准确地估计了雷达站的系统误差。在数据关联部分,本文通过介绍点迹—点迹互联,点迹—航迹互联,航迹—航迹互联,引入了静态分区和动态分区概念,以及其相关方法。这两种分区方法减少了关联数据计算量,并大大降低了误相关率,提高了系统的实际应用能力。本文还介绍了序贯估计的概念。论文除了叙述基本原理外,还在C++Builder环境中,采用本文方法对多雷达组网的数据处理技术进行计算机仿真。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 多雷达组网
• 1.2 研究背景及其意义
• 1.3 本文讨论的主要问题
• 2 数据融合系统概述
• 2.1 数据融合的概念
• 2.2 数据融合的功能模型
• 2.3 数据融合的系统模型
• 2.4 数据融合系统中航迹关联的体系结构
• 2.4.1 集中式航迹关联
• 2.4.2 分布式航迹关联
• 2.4.3 混合式航迹关联
• 2.4.4 多级式航迹关联
• 2.5 数据融合的基本理论和方法
• 3 误差配准
• 3.1 数据校准
• 3.1.1 坐标转换
• 3.1.2 时间校准
• 3.1.3 维数校准
• 3.1.4 量纲对准
• 3.2 误差分析和修正
• 3.2.1 机载GPS定位设备比较法
• 3.2.2 固定回波校正法
• 3.2.3 估计法解算系统误差
• 4 状态估计
• 4.1 状态观测与估计
• 4.2 机动目标模型
• 4.2.1 常速度CV模型
• 4.2.2 常加速CA模型
• 4.2.3 一阶时间相关模型（Singer模型）
• 4.2.4 半马尔可夫模型
• 4.2.5 Noval统计模型
• 4.2.6 机动目标"当前"统计模型
• 4.3 滤波模型
• 4.3.1 α-β和α-β-γ滤波器
• 4.3.2 卡尔曼（Kalman）滤波器
• 4.4 仿真结果
• 5 数据关联
• 5.1 雷达数据处理系统流程
• 5.2 数据关联原理
• 5.3 点迹与点迹互联
• 5.4 点迹与航迹互联
• 5.4.1 静态分区和相关
• 5.4.2 动态分区
• 5.5 航迹与航迹互联
• 5.6 航迹的跟踪维持
• 5.6.1 序贯处理
• 5.6.2 无序量测
• 5.7 航迹管理
• 6 多雷达组网的数据处理仿真
• 6.1 软件模块
• 6.2 数据处理程序仿真流程
• 6.3 仿真结果
• 7 结束语
• 致谢
• 参考文献