現(xiàn)代電子戰(zhàn)爭(zhēng)環(huán)境中,目標(biāo)數(shù)目未知多變,雜波密度大,干擾手段層出不窮。同時(shí)單傳感器維持的目標(biāo)跟蹤量測(cè)少、誤差大,并不能滿足現(xiàn)代目標(biāo)跟蹤的高精度要求。因此,為了得到更全面、更精確的量測(cè),實(shí)現(xiàn)精度更高、速度更快的多目標(biāo)跟蹤,多傳感器多目標(biāo)跟蹤技術(shù)逐漸成為目標(biāo)跟蹤的研究重點(diǎn)。本文針對(duì)復(fù)雜環(huán)境下多傳感器目標(biāo)跟蹤技術(shù),研究了運(yùn)動(dòng)目標(biāo)跟蹤算法、多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法、多傳感器航跡融合技術(shù)。通過(guò)研究交互式多模型（IMM）算法的原理,提出了改進(jìn)的IMM算法,解決了IMM算法運(yùn)動(dòng)模型失配問(wèn)題。通過(guò)重點(diǎn)研究混合遺傳粒子群（GAPSO）算法,提出了改進(jìn)的GAPSO算法,提高了多目標(biāo)數(shù)據(jù)關(guān)聯(lián)準(zhǔn)確率。并重點(diǎn)研究了基于雷達(dá)猝發(fā)探測(cè)的多傳感器航跡融合策略。本文首先分析了目標(biāo)運(yùn)動(dòng)模型、卡爾曼濾波算法和交互式多模型算法的原理,討論了其優(yōu)點(diǎn)和不足。同時(shí)研究了交互式多模型算法中運(yùn)動(dòng)模型失配的問(wèn)題,并提出了改進(jìn)的IMM算法。通過(guò)對(duì)加速度模型的加速度向量進(jìn)行狀態(tài)補(bǔ)充,有效改善了模型失配的問(wèn)題。然后,研究了聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)（JPDA）等經(jīng)典數(shù)據(jù)關(guān)聯(lián)算法的原理,分析了這些算法的特征。JPDA算法在處理密集目標(biāo)時(shí),存在計(jì)算量快速增長(zhǎng)、關(guān)聯(lián)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 論文研究的背景及意義
    1.2 論文研究的歷史及現(xiàn)狀
    1.3 本文主要工作和內(nèi)容安排
第二章 運(yùn)動(dòng)目標(biāo)跟蹤算法
    2.1 運(yùn)動(dòng)目標(biāo)數(shù)學(xué)模型
        2.1.1 微分多項(xiàng)式模型
        2.1.2 CV、CA、CT運(yùn)動(dòng)模型
    2.2 跟蹤濾波與預(yù)測(cè)算法
        2.2.1 卡爾曼濾波算法
        2.2.2 擴(kuò)展卡爾曼濾波算法
        2.2.3 交互式多模型算法
        2.2.4 改進(jìn)的交互式多模型算法
    2.3 仿真實(shí)驗(yàn)與結(jié)果分析
    2.4 本章小結(jié)
第三章 多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)算法
    3.1 經(jīng)典數(shù)據(jù)關(guān)聯(lián)算法
        3.1.1 最近鄰算法
        3.1.2 概率數(shù)據(jù)關(guān)聯(lián)算法
        3.1.3 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法
    3.2 基于智能優(yōu)化算法的多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)
        3.2.1 遺傳算法
        3.2.2 標(biāo)準(zhǔn)粒子群優(yōu)化算法
        3.2.3 混合遺傳粒子群優(yōu)化算法
        3.2.4 改進(jìn)的混合遺傳粒子群優(yōu)化算法
    3.3 仿真實(shí)驗(yàn)與結(jié)果分析
    3.4 本章小結(jié)
第四章 多傳感器航跡融合技術(shù)
    4.1 多傳感器航跡融合結(jié)構(gòu)
    4.2 多傳感器航跡融合算法
        4.2.1 簡(jiǎn)單航跡融合算法
        4.2.2 協(xié)方差加權(quán)航跡融合算法
        4.2.3 自適應(yīng)航跡融合算法
        4.2.4 仿真實(shí)驗(yàn)與結(jié)果分析
    4.3 基于雷達(dá)猝發(fā)探測(cè)的多傳感器航跡融合策略
        4.3.1 基于雷達(dá)猝發(fā)探測(cè)的多傳感器航跡融合結(jié)構(gòu)
        4.3.2 基于雷達(dá)猝發(fā)探測(cè)的多傳感器航跡融合原理
        4.3.3 仿真實(shí)驗(yàn)與結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 后續(xù)工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于最大熵模糊聚類的快速多目標(biāo)跟蹤算法研究[J]. 陳曉,李亞安,蔚婧,李余興.  西北工業(yè)大學(xué)學(xué)報(bào). 2017(04)
[2]基于混合遺傳-粒子群算法的相控陣?yán)走_(dá)調(diào)度方法[J]. 張浩為,謝軍偉,張昭建,宗彬鋒,盛川.  系統(tǒng)工程與電子技術(shù). 2017(09)
[3]多策略改進(jìn)的多目標(biāo)粒子群優(yōu)化算法[J]. 楊景明,穆曉偉,車海軍,呼子宇,侯宇浩.  控制與決策. 2017(03)
[4]機(jī)動(dòng)目標(biāo)的IMM擴(kuò)展卡爾曼濾波時(shí)間配準(zhǔn)算法[J]. 高穎,韓宏帥,武夢(mèng)潔,王永庭.  西北工業(yè)大學(xué)學(xué)報(bào). 2016(04)
[5]基于改進(jìn)概率假設(shè)密度的多目標(biāo)跟蹤算法[J]. 王海環(huán),王俊.  電波科學(xué)學(xué)報(bào). 2016(01)
[6]一種多策略融合的多目標(biāo)粒子群優(yōu)化算法[J]. 謝承旺,鄒秀芬,夏學(xué)文,王志杰.  電子學(xué)報(bào). 2015(08)
[7]蟻群-遺傳算法在多傳感器多目標(biāo)跟蹤技術(shù)中的應(yīng)用[J]. 袁述,袁東輝,孫基洲,劉永波,李晶,原琳.  電子學(xué)報(bào). 2013(03)
[8]用于多目標(biāo)數(shù)據(jù)關(guān)聯(lián)的群智能混合算法[J]. 袁德平,史浩山,鄭娟毅.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(09)
[9]雷達(dá)間歇工作下的雷達(dá)/紅外復(fù)合制導(dǎo)跟蹤[J]. 李世忠,王國(guó)宏,吳巍,蘇少濤.  紅外與激光工程. 2012(06)
[10]改進(jìn)的多模型粒子PHD和CPHD濾波算法[J]. 歐陽(yáng)成,姬紅兵,郭志強(qiáng).  自動(dòng)化學(xué)報(bào). 2012(03)

博士論文
[1]多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究[D]. 田雪怡.哈爾濱工程大學(xué) 2012
[2]多傳感器數(shù)據(jù)融合中多目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D]. 胡煒薇.哈爾濱工程大學(xué) 2007

碩士論文
[1]基于IMM的雷達(dá)目標(biāo)跟蹤算法研究[D]. 韓宏亮.南京信息工程大學(xué) 2011



本文編號(hào)：3635152