论文部分内容阅读
相控阵雷达作为获取信息的重要手段,在军事和民用领域中越来越受到广泛的关注和研究。与传统机械扫描雷达相比,相控阵雷达波束可以任意指向,是多任务多功能雷达。但是由于雷达系统的资源有限,为了充分利用系统的资源实现更高的性能,本文将针对相控阵雷达中目标跟踪和波束驻留调度问题展开研究。通过提高目标跟踪精度和系统调度性能,以提升系统中的目标跟踪容量。首先,对四种经典的量测转换卡尔曼滤波算法进行研究分析,包括传统量测转换卡尔曼滤波算法(Conventional Converted Measurement Kalman Filtering,CMKF)、去偏量测转换卡尔曼滤波算法(Debiased Converted Measurement Kalman Filtering,DCMKF)、无偏量测转换卡尔曼滤波算法(Unbiased Converted Measurement Kalman Filtering,UCMKF)和去相关无偏量测转换卡尔曼滤波算法(Decorrelation Converted Measurement Kalman Filtering,DUCMKF),并通过仿真验证了它们的跟踪性能。其次,针对具有多普勒量测信息的目标跟踪问题,本文介绍了两种经典的可处理多普勒量测的目标跟踪算法,分别是序贯滤波(Sequential Filter,SQ)和静态融合(Statistical Fusion,SF)滤波跟踪算法。然后,将采用由预测值计算量测转换误差统计特性的方法对SQ和SF的量测转换模块进行改进,分别得到基于预测值的序贯量测转换卡尔曼滤波跟踪算法(Squential Measurement conversion Kalman Filter Tracking Algorithm Based On Predicted Position,PRE-SQ)和基于预测值的静态融合量测转换卡尔曼滤波跟踪算法(Statistically Fused Measurement conversion Kalman Filter Tracking Algorithm Based On Predicted Position,PRE-SF)。仿真表明,改进后的可处理多普勒量测目标跟踪算法跟踪性能更好,PRE-SQ的实时性好,但PRE-SF的跟踪精度更高。然后,进一步考虑跟踪目标可能会出现机动运动情况,将交互多模型(Interacting Multiple Model,IMM)滤波算法与PRE-SF相结合,并对IMM的模型概率更新方法进行讨论分析,构造出跟踪精度较高的可处理多普勒量测的机动目标跟踪算法。最后,介绍了波束驻留调度算法,包括传统相控阵自适应波束驻留调度算法和现代相控阵智能波束驻留调度算法。仿真表明,使用智能方法计算关于调度模型的全局最优解,可以提高传统算法的调度收益。