论文部分内容阅读
近年来,非线性目标跟踪以及数据关联技术成为相关专家学者的研究热点,无论在军事领域或民用生活方面都有着广泛的应用。在实际问题中,大都遇到的是非线性系统,其中跟踪滤波算法的选择尤为重要,是目标跟踪中需要解决的首要问题。现代雷达生存的环境越来越复杂,组网雷达数据融合能够较好地适应当前的局势,与单雷达工作相比,组网雷达跟踪融合的数据更加全面准确,是未来雷达检测技术发展的趋势之一。本文对组网雷达跟踪时的融合算法进行研究,其主要工作如下:1.针对分布式多传感器航迹融合问题,为了提高航迹关联率,本文基于DS(Dempster-Shafer)理论改进了灰色航迹关联算法。在多传感器多目标跟踪系统中,为了降低信号冗余性的影响,引入DS理论对各时刻的观测结果进行融合,提高了信号的正确识别率,并计算得到各传感器间的灰关联度,然后以此关联度为全局统计量,设置了有效的双门限值,最终按照一定规则进行全局最优的航迹关联判决。仿真结果表明,在目标密集且航迹较多的场景下,本文算法的性能与稳健性明显优于传统的灰色航迹关联算法,有较好的跟踪精度。2.提出了基于无迹卡尔曼滤波的UKF-LS(Unscented Kalman Filter-Least Squares)改进算法,首先阐述了扩展卡尔曼滤波(Extended Kalman Filter,EKF)的算法原理与基本步骤,并在该基础上引入最小二乘估计(Least Squares,LS)算法;为了降低非线性系统中EKF算法的一阶截断误差,因此结合无迹变换,提出了一种基于无迹卡尔曼滤波的改进算法;最后,根据改进融合算法的状态估计值,计算跟踪精度。仿真结果表明,在非线性系统中,本文改进后的无迹卡尔曼滤波(UKF-LS)算法具有更优良的跟踪性能,相比于EKF-LS算法性能得到了进一步的改善。3.在雷达/红外传感器融合跟踪系统中,改进了雷达与红外传感器协同跟踪检测算法,有效地减少了组网系统中雷达的开机时间。首先,该算法在基于交互多模型和无迹卡尔曼滤波(Interactive multiple model Unscented Kalman Filter,IMMUKF)算法的基础上建立了雷达和红外传感器的跟踪模型。在此基础上,设计了一种新的跟踪质量因子来控制雷达的辐射,把滤波结果与估计的测量值进行比较获得的新息残差作为标准,能够自适应地控制雷达和红外传感器的工作时间,实现了雷达与红外传感器的实时切换。仿真结果表明,该算法可以缩短雷达的辐射时间,具有良好的跟踪精度。