目標(biāo)跟蹤是利用已獲得的目標(biāo)數(shù)據(jù)對(duì)目標(biāo)之后的運(yùn)動(dòng)狀態(tài)信息進(jìn)行預(yù)測(cè)估計(jì),且在軍事、空管、海岸監(jiān)視等領(lǐng)域都被廣泛使用。機(jī)載跟蹤是將載機(jī)作為跟蹤平臺(tái)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤,因其具有可以隨目標(biāo)機(jī)動(dòng)改變作出靈活調(diào)整的特性被廣泛應(yīng)用于軍事目標(biāo)跟蹤中。當(dāng)跟蹤距離較近或由于目標(biāo)自身較大將觀測(cè)器的分辨單元大量覆蓋時(shí),每個(gè)目標(biāo)會(huì)在同一時(shí)間產(chǎn)生多個(gè)量測(cè)。理論上將在同一時(shí)刻產(chǎn)生多個(gè)量測(cè)的目標(biāo)稱作擴(kuò)展目標(biāo),且擴(kuò)展目標(biāo)已經(jīng)成為國(guó)內(nèi)外目標(biāo)跟蹤研究的熱點(diǎn)問(wèn)題。目前常用的目標(biāo)跟蹤方法有卡爾曼算法和IMM多模型算法等。這些方法較為成熟,但都是對(duì)點(diǎn)目標(biāo)數(shù)據(jù)進(jìn)行跟蹤無(wú)法直接處理擴(kuò)展目標(biāo),同時(shí)算法自適應(yīng)性較差,很多設(shè)定都是在獲得目標(biāo)狀態(tài)前已經(jīng)人為設(shè)定。針對(duì)上述問(wèn)題,本文采用PHD概率密度假設(shè)濾波器對(duì)擴(kuò)展目標(biāo)進(jìn)行處理再采用IMM算法對(duì)獲取的擴(kuò)展目標(biāo)質(zhì)心進(jìn)行跟蹤的方法,研究的主要工作有:分析機(jī)載條件下目標(biāo)跟蹤的難點(diǎn),可以通過(guò)機(jī)載坐標(biāo)轉(zhuǎn)換和選擇合適的跟蹤算法處理機(jī)動(dòng)性過(guò)大問(wèn)題。機(jī)載坐標(biāo)轉(zhuǎn)換環(huán)節(jié)為了減少觀測(cè)平臺(tái)與跟蹤目標(biāo)的機(jī)動(dòng)性,本文結(jié)合載機(jī)提供的信息將坐標(biāo)轉(zhuǎn)換為實(shí)驗(yàn)需要的NED坐標(biāo)系。跟蹤算法選擇環(huán)節(jié)若采用卡爾曼算法會(huì)導(dǎo)致有較大誤差,且傳統(tǒng)IMM算法自適應(yīng)性較差無(wú)法滿足高精度跟蹤需要。通過(guò)比較IMM算法在不同馬爾科夫模型轉(zhuǎn)移概率矩陣下的誤差,引入多重次優(yōu)漸消因子提高IMM算法的自適應(yīng)性。通過(guò)比較跟蹤目標(biāo)在具有自適應(yīng)性的IMM算法和傳統(tǒng)IMM算法下的誤差,得出自適應(yīng)IMM算法在機(jī)動(dòng)目標(biāo)跟蹤方面又更好的跟蹤性能。分析擴(kuò)展目標(biāo)跟蹤的難點(diǎn),可以采用將擴(kuò)展目標(biāo)處理為點(diǎn)目標(biāo)再利用點(diǎn)目標(biāo)跟蹤方法進(jìn)行跟蹤。本文在采用混合高斯概率密度假設(shè)濾波器的基礎(chǔ)上,提出通過(guò)獲得擴(kuò)展目標(biāo)個(gè)數(shù)后結(jié)合SNN相似度劃分法對(duì)擴(kuò)展目標(biāo)量測(cè)進(jìn)行重劃分再提取質(zhì)心,PHD-SNN重劃分法在處理擴(kuò)展目標(biāo)發(fā)生交匯和衍生時(shí)有較好的跟蹤性能。將可以處理目標(biāo)機(jī)動(dòng)性和擴(kuò)展性問(wèn)題的雷達(dá)跟蹤系統(tǒng)嵌入自主設(shè)計(jì)的雷達(dá)跟蹤平臺(tái)內(nèi),對(duì)實(shí)際數(shù)據(jù)進(jìn)行跟蹤顯示。實(shí)驗(yàn)結(jié)果表明,本文提出的整套算法可以對(duì)機(jī)載條件下的擴(kuò)展目標(biāo)有良好的跟蹤性能。
【學(xué)位單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：V355.1;E91
【部分圖文】：

2 機(jī)動(dòng)目標(biāo)跟蹤技術(shù).1 目標(biāo)跟蹤原理目標(biāo)跟蹤由于目標(biāo)自身具有較大的機(jī)動(dòng)性、量測(cè)源和量測(cè)數(shù)據(jù)較模糊等不確性因素，使得目標(biāo)跟蹤問(wèn)題具有一定的不確定性[9]。隨著反偵查技術(shù)的增強(qiáng)，監(jiān)環(huán)境的條件也隨之增大，使得目標(biāo)跟蹤在原有基礎(chǔ)上大大增加了跟蹤的不確定。這就要求設(shè)計(jì)的目標(biāo)跟蹤系統(tǒng)盡可能做到隨著改變調(diào)整相適應(yīng)的變化[10]。經(jīng)濾波后，對(duì)目標(biāo)的位置和運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)估計(jì)，進(jìn)而減少目標(biāo)跟蹤的不確定。在目標(biāo)跟蹤系統(tǒng)中，首先要利用檢測(cè)器來(lái)確定有無(wú)目標(biāo)存在，在確定有目標(biāo)在的情況下再利用估計(jì)器來(lái)處理目標(biāo)的位置、速度等參數(shù)估計(jì)。

19 , x(0)圖 2.8 卡爾曼濾波算法圖Fig.2.8 Block diagram of Kalman filter algorithm，卡爾曼濾波過(guò)程中包含兩個(gè)回路：增益回路和濾波回路需要利用到增益的相關(guān)信息。卡爾曼幅度改善，在目標(biāo)跟蹤方面已經(jīng)廣泛應(yīng)用。但論模型對(duì)目標(biāo)運(yùn)動(dòng)過(guò)程進(jìn)行準(zhǔn)確描述，通過(guò)多度的匹配。算法在運(yùn)用運(yùn)動(dòng)模型個(gè)數(shù)方面可以分為單模類和多使用單一模型進(jìn)行跟蹤。多模類是選擇不同模

法跟蹤性能分析算法與 IMM 算法對(duì)目標(biāo)跟蹤性能比較卡爾曼算法和 IMM 算法對(duì)目標(biāo)跟蹤性能的影響，通過(guò)，使目標(biāo)運(yùn)動(dòng)軌跡復(fù)雜性增大，對(duì)目標(biāo)進(jìn)行 400s 的跟載機(jī)坐標(biāo)轉(zhuǎn)換的飛機(jī)作為載機(jī)進(jìn)行跟蹤，載機(jī)數(shù)據(jù)如為 H=4000m，假設(shè)載機(jī)以 200m/s 的速度進(jìn)行勻速運(yùn)動(dòng) , y )為(1000,1000),CV模型的 x 方向和 y 方向速度均為目標(biāo)前 100s 目標(biāo)進(jìn)行勻速直線運(yùn)動(dòng)，在 100~200s 目00s 目標(biāo)進(jìn)行勻速直線運(yùn)動(dòng)，在 300~400s 目標(biāo)進(jìn)行勻立進(jìn)行跟蹤觀測(cè)。卡爾曼算法與 IMM 算法均將采樣間次采樣，kalman 濾波模型分別采用 CV 勻速模型和 CT標(biāo)進(jìn)行匹配，IMM 模型將卡爾曼模型的兩種模型進(jìn)行
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 孔云波;馮新喜;危璋;;利用高斯混合概率假設(shè)密度濾波器對(duì)擴(kuò)展目標(biāo)量測(cè)集進(jìn)行劃分[J];西安交通大學(xué)學(xué)報(bào);2015年07期

2 黨曉軍;尹俊文;;一種基于模板匹配的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年05期

相關(guān)博士學(xué)位論文 前1條

1 胡錦龍;擴(kuò)展目標(biāo)特征提取與跟蹤技術(shù)研究[D];中國(guó)科學(xué)院研究生院（光電技術(shù)研究所）;2015年

本文編號(hào)：2876279