強機動目標自適應跟蹤算法研究
發(fā)布時間:2023-05-04 02:14
目標跟蹤是軍事研究的核心課題,F(xiàn)代戰(zhàn)場中,作戰(zhàn)飛機、導彈、艦艇等運動目標的機動性越來越強。傳統(tǒng)的目標跟蹤算法已不能完全滿足對這些強機動目標跟蹤的適應性和精確性需求。同時機動目標跟蹤中無源傳感器的興起,帶來了量測噪聲相關的問題。 基于以上背景,本文以設計適應性和精確性更高的機動目標跟蹤算法為出發(fā)點,首先對目標機動性進行了歸納,然后分別針對單模型目標跟蹤算法和多模型目標跟蹤算法進行了具體的分析,在此基礎上設計了自適應跟蹤算法。進一步,針對噪聲相關的多傳感器目標跟蹤問題,研究了基于特征值分解和正交投影的跟蹤算法。具體研究如下: 1)厘清了強機動目標的定義,歸納了三個目標機動性的量度指標。列舉了J轉彎等實際強機動運動軌跡。介紹了線性與非線性狀態(tài)估計算法,指出傳統(tǒng)卡爾曼濾波在穩(wěn)態(tài)后失去機動應變能力的缺陷,介紹了強跟蹤濾波器算法,并提出了評價跟蹤算法性能的主要指標。 2)研究了基于單模型的自適應強機動目標跟蹤算法。通過對Singer模型等傳統(tǒng)目標跟蹤算法的分析發(fā)現(xiàn),固定參數(shù)模型無法應對環(huán)境的變化,在此基礎上,提出了基于累積機動時間的機動頻率自適應算法、基于Sage-Husa法的系統(tǒng)噪聲方差自適應算...
【文章頁數(shù)】:137 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.2 機動目標跟蹤技術及其發(fā)展現(xiàn)狀
1.2.1 機動目標狀態(tài)估計算法發(fā)展
1.2.2 機動目標的模型研究發(fā)展
1.2.3 多傳感器數(shù)據(jù)融合技術發(fā)展
1.3 本文的主要工作
第2章 機動目標跟蹤原理
2.1 引言
2.2 強機動目標運動描述
2.3 一些強機動目標的運動模式
2.4 機動目標跟蹤基本原理
2.4.1 卡爾曼濾波算法
2.4.2 強跟蹤濾波算法
2.4.3 仿真分析
2.5 機動目標跟蹤算法的性能指標
2.6 小結
第3章 基于單模型的機動目標跟蹤算法
3.1 引言
3.2 基本單模型機動目標跟蹤算法
3.2.1 基本單模型目標跟蹤算法介紹
3.2.2 仿真分析
3.3 參數(shù)調節(jié)的機動目標跟蹤算法
3.3.1 機動檢測與參數(shù)調整討論
3.3.2 基于累積機動時間的機動頻率自適應算法
3.3.3 基于 Sage-Husa 法的系統(tǒng)噪聲方差自適應算法
3.3.4 二重濾波的系統(tǒng)噪聲方差自適應算法
3.3.5 仿真分析
3.4 基于切向和法向加速的單模型算法
3.4.1 切向和法向加速模型
3.4.2 切向和法向加速模型算法流程
3.4.3 仿真分析
3.5 小結
第4章 基于多模型的機動跟蹤算法
4.1 引言
4.2 固定模型集的多模型目標跟蹤方法
4.2.1 交互式多模型
4.2.2 模型集選擇理論
4.3 變結構多模型目標跟蹤方法
4.4 改進的變結構多模型目標跟蹤方法
4.4.1 基于切向法向加速度的動態(tài)有向圖方法
4.4.2 并行結構的有向圖切換法
4.4.3 交叉結構的自適應網格法
4.4.4 仿真與分析
4.5 小結
第5章 多傳感器協(xié)同的機動目標跟蹤算法
5.1 引言
5.2 強機動情況下的傳感器融合算法
5.2.1 基本多傳感器數(shù)據(jù)融合算法
5.2.2 測量噪聲相關的數(shù)據(jù)融合方法
5.3 基于特征值分解的觀測噪聲相關融合算法
5.3.1 基于特征值分解的傳感器解耦
5.3.2 序貫的特征值分解算法
5.3.3 運算復雜度分析
5.4 正交投影序貫融合法
5.4.1 觀測噪聲正交投影原理
5.4.2 正交投影解耦算法
5.4.3 正交投影 G 陣計算的簡化
5.5 仿真與分析
5.6 多傳感器的強機動目標自適應跟蹤算法
5.6.1 多傳感器的強機動目標自適應跟蹤算法流程
5.6.2 關于傳感器數(shù)目與跟蹤精度的討論
5.6.3 仿真分析
5.7 小結
第6章 結束語
參考文獻
致謝
攻讀碩士學位期間發(fā)表的論文
本文編號:3807743
【文章頁數(shù)】:137 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.2 機動目標跟蹤技術及其發(fā)展現(xiàn)狀
1.2.1 機動目標狀態(tài)估計算法發(fā)展
1.2.2 機動目標的模型研究發(fā)展
1.2.3 多傳感器數(shù)據(jù)融合技術發(fā)展
1.3 本文的主要工作
第2章 機動目標跟蹤原理
2.1 引言
2.2 強機動目標運動描述
2.3 一些強機動目標的運動模式
2.4 機動目標跟蹤基本原理
2.4.1 卡爾曼濾波算法
2.4.2 強跟蹤濾波算法
2.4.3 仿真分析
2.5 機動目標跟蹤算法的性能指標
2.6 小結
第3章 基于單模型的機動目標跟蹤算法
3.1 引言
3.2 基本單模型機動目標跟蹤算法
3.2.1 基本單模型目標跟蹤算法介紹
3.2.2 仿真分析
3.3 參數(shù)調節(jié)的機動目標跟蹤算法
3.3.1 機動檢測與參數(shù)調整討論
3.3.2 基于累積機動時間的機動頻率自適應算法
3.3.3 基于 Sage-Husa 法的系統(tǒng)噪聲方差自適應算法
3.3.4 二重濾波的系統(tǒng)噪聲方差自適應算法
3.3.5 仿真分析
3.4 基于切向和法向加速的單模型算法
3.4.1 切向和法向加速模型
3.4.2 切向和法向加速模型算法流程
3.4.3 仿真分析
3.5 小結
第4章 基于多模型的機動跟蹤算法
4.1 引言
4.2 固定模型集的多模型目標跟蹤方法
4.2.1 交互式多模型
4.2.2 模型集選擇理論
4.3 變結構多模型目標跟蹤方法
4.4 改進的變結構多模型目標跟蹤方法
4.4.1 基于切向法向加速度的動態(tài)有向圖方法
4.4.2 并行結構的有向圖切換法
4.4.3 交叉結構的自適應網格法
4.4.4 仿真與分析
4.5 小結
第5章 多傳感器協(xié)同的機動目標跟蹤算法
5.1 引言
5.2 強機動情況下的傳感器融合算法
5.2.1 基本多傳感器數(shù)據(jù)融合算法
5.2.2 測量噪聲相關的數(shù)據(jù)融合方法
5.3 基于特征值分解的觀測噪聲相關融合算法
5.3.1 基于特征值分解的傳感器解耦
5.3.2 序貫的特征值分解算法
5.3.3 運算復雜度分析
5.4 正交投影序貫融合法
5.4.1 觀測噪聲正交投影原理
5.4.2 正交投影解耦算法
5.4.3 正交投影 G 陣計算的簡化
5.5 仿真與分析
5.6 多傳感器的強機動目標自適應跟蹤算法
5.6.1 多傳感器的強機動目標自適應跟蹤算法流程
5.6.2 關于傳感器數(shù)目與跟蹤精度的討論
5.6.3 仿真分析
5.7 小結
第6章 結束語
參考文獻
致謝
攻讀碩士學位期間發(fā)表的論文
本文編號:3807743
本文鏈接:http://sikaile.net/kejilunwen/jingguansheji/3807743.html