目标跟踪与多传感器信息融合若干问题研究

论文摘要

目标跟踪与多传感器信息融合，是应现代军事和民用的需求而发展起来的一门新兴技术，其支撑理论涉及到控制论、信号处理、人工智能、数理统计等多个学科。在跟踪与融合领域，至今已提出了大量的理论和方法，取得了丰硕的研究成果。随着跟踪与融合技术的广泛应用和支撑理论学科的快速发展，被跟踪对象变得日趋复杂，对跟踪算法实时性和精确性的要求也越来越高。这就要求对现有的跟踪与融合技术进行改进，同时不断提出新的理论和方法以适应新的应用。 本文对多传感器配准问题、高精度高速度的目标跟踪问题、红外弱小目标的检测问题、机动目标的红外／雷达融合跟踪问题及多传感器／多特征信息融合问题进行了较为深入的研究，主要成果如下： 数据配准方面，在分析了现有的多传感器空间数据配准算法的特点和不足之后，提出了基于模糊C—均值聚类的实时数据配准算法，实现了低成本传感器配准误差的计算。最后给出了仿真结果与分析。 单传感器—单目标跟踪方面，提出了一种新的模糊—卡尔曼滤波器：将系统噪声矩阵映射为残差均值和残差方差的二元模糊函数，将量测噪声矩阵也映射为残差均值和残差方差的二元模糊函数，这样建立起来的模糊曲面就省略了模糊规则推理。同时，将滤波器的采样时间与目标后验误差之间的关系模糊化，使目标跟踪和预测效果得到很大的改善。 红外传感器图像检测方面，针对红外传感图像的弱小目标检测问题，提出了基于高阶谱分析的红外图像灰度处理方法，在单帧图像的前提下，实现了弱小目标检测。 机动目标多传感器融合跟踪方面，针对机动目标的红外／雷达传感器融合跟踪问题，提出了先实现传感器数据的空时融合，再将融合后的数据送入粒子滤波器以完成跟踪的算法，对传统的粒子滤波器做出了一定程度的改进。 数据关联与融合方面，针对多传感器／多特征信息融合问题，提出了一种基于粗糙集和高阶谱约简的变结构模糊神经网络，通过优化模糊神经网络的结构，来优化配置多传感器资源或多特征信息资源。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究背景
• 1.2 信息融合的研究现状
• 1.2.1 信息融合系统功能模型
• 1.2.2 信息融合类型与系统结构
• 1.2.3 融合系统的融合策略、信息结构与融合算法
• 1.3 目标跟踪的研究现状
• 1.3.1 目标模型
• 1.3.2 跟踪算法
• 1.4 信息融合数学模型研究的新进展
• 1.5 本文的主要研究工作及内容安排
• 第二章 基于模糊C-均值聚类的多传感器数据配准
• 2.1 引言
• 2.2 多传感器与多目标的空间描述
• 2.3 多目标多传感器的聚类数据配准
• 2.4 仿真与分析
• 2.5 结论
• 第三章 模糊—卡尔曼滤波的目标跟踪算法及应用
• 3.1 引言
• 3.2 研究背景
• 3.3 常规卡尔曼预测及剪切控制策略
• 3.4 模糊—卡尔曼滤波器目标跟踪
• 3.5 结论
• 第四章 采用高阶谱谐波估计的红外弱小目标检测
• 4.1 引言
• 4.2 红外场景图像描述
• 4.3 高阶累积量谐波估计
• 4.4 基于高阶累积量谐波估计的弱小目标检测
• 4.5 仿真与结果分析
• 第五章 红外/雷达机动目标跟踪的序贯滤波
• 5.1 引言
• 5.2 基于红外/雷达的数据融合
• 5.2.1 传感器的量测模型
• 5.2.2 红外/雷达数据融合
• 5.3 重抽样粒子滤波
• 5.4 仿真与分析
• 5.5 结论与展望
• 第六章 基于谱约简粗糙集-神经网络的信息融合
• 6.1 引言
• 6.2 模糊神经网络的结构
• 6.3 基于高阶谱分析的粗糙集规则约简算法
• 6.3.1 高阶谱的二次耦合检测算法
• 6.3.2 基于谱的粗集规则约简
• 6.4 变结构神经网络在信息融合中的应用
• 第七章 总结与展望
• 致谢
• 参考文献
• 攻读博士学位期间发表的论文