【摘要】：雷達(dá)目標(biāo)跟蹤技術(shù)是雷達(dá)系統(tǒng)工作內(nèi)容中極為重要的部分。隨著電子技術(shù)的發(fā)展,雷達(dá)目標(biāo)跟蹤正面臨著越來越密集的雜波環(huán)境,如何有效濾除這些雜波信息,成為雷達(dá)目標(biāo)跟蹤算法研究需要解決的重要問題。傳統(tǒng)目標(biāo)跟蹤方法大多利用尺度量測(cè)信息完成目標(biāo)狀態(tài)的預(yù)測(cè)更新,本文提出的多屬性分類下的目標(biāo)跟蹤算法,引入目標(biāo)屬性特征,完成密集雜波環(huán)境下的目標(biāo)跟蹤。首先設(shè)計(jì)完成了多屬性分類在雷達(dá)單目標(biāo)跟蹤算法上的應(yīng)用。主要針對(duì)已有算法獲取目標(biāo)屬性信息過少的問題,提出基于SVM多屬性分類器的目標(biāo)跟蹤濾波算法。詳細(xì)介紹了算法中跟蹤器、檢測(cè)器、學(xué)習(xí)器的工作原理與算法流程。通過仿真實(shí)驗(yàn)對(duì)算法效果進(jìn)行了驗(yàn)證,證明多屬性分類的應(yīng)用有效提高了雷達(dá)單目標(biāo)跟蹤過程的精度。然后詳細(xì)研究多屬性分類對(duì)于雷達(dá)多目標(biāo)跟蹤的應(yīng)用。設(shè)計(jì)實(shí)現(xiàn)了基于多屬性分類的GM-PHD機(jī)動(dòng)多目標(biāo)跟蹤算法。闡述了基于多機(jī)動(dòng)目標(biāo)跟蹤模型的GM-PHD算法流程,并分析了目標(biāo)屬性分類原理與過程。用仿真實(shí)驗(yàn)完成算法實(shí)現(xiàn),驗(yàn)證了特征分類對(duì)于多目標(biāo)跟蹤算法的精度提升。最后將多屬性分類拓展應(yīng)用到雷達(dá)紅外多目標(biāo)跟蹤算法中,對(duì)算法中點(diǎn)跡與航跡、航跡與航跡的關(guān)聯(lián)過程進(jìn)行了完整說明。通過仿真實(shí)驗(yàn)證明多屬性分類對(duì)于多傳感器多目標(biāo)跟蹤算法的有效性。
【圖文】：

圖 2-1 PN 學(xué)習(xí)工作原理Fig 2-1 Working principle of PN learning性 PN-PHD 算法流程跟蹤器獲取 K 時(shí)刻目標(biāo)跟蹤位置，以此為中心將量測(cè)結(jié)果劃分區(qū)外；檢測(cè)器利用雷達(dá)獲取的目標(biāo)多維屬性特征信息將量測(cè)結(jié)果初步本）與雜波（負(fù)樣本）；PN 約束利用目標(biāo)時(shí)空特性對(duì)檢測(cè)器分類結(jié)果進(jìn)行更正，并完集，，同時(shí)更新跟蹤估計(jì)結(jié)果；利用新的正負(fù)樣本集重新訓(xùn)練檢測(cè)器的多屬性分類方法，新的下一時(shí)刻的特征分類�？蚣軋D如圖 2-2 所示。

圖 2-1 PN 學(xué)習(xí)工作原理Fig 2-1 Working principle of PN learning PN-PHD 算法流程蹤器獲取 K 時(shí)刻目標(biāo)跟蹤位置，以此為中心將量測(cè)結(jié)果；器利用雷達(dá)獲取的目標(biāo)多維屬性特征信息將量測(cè)結(jié)果與雜波（負(fù)樣本）； 約束利用目標(biāo)時(shí)空特性對(duì)檢測(cè)器分類結(jié)果進(jìn)行更正，同時(shí)更新跟蹤估計(jì)結(jié)果；用新的正負(fù)樣本集重新訓(xùn)練檢測(cè)器的多屬性分類方法，時(shí)刻的特征分類。圖如圖 2-2 所示。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN953

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王穎;雷斌;;基于雷達(dá)信噪比模型的目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2015年01期

2 倪龍強(qiáng);高社生;孟祥欣;邊月奎;舒立鵬;;一種紅外與雷達(dá)信息融合跟蹤算法及其性能分析[J];火炮發(fā)射與控制學(xué)報(bào);2014年04期

3 付琳;萬曉冬;王保曾;;多傳感器多目標(biāo)跟蹤及航跡融合系統(tǒng)[J];計(jì)算機(jī)與現(xiàn)代化;2014年10期

4 尹帥;袁俊泉;吳順華;王利才;;一種改進(jìn)的JIPDA多目標(biāo)跟蹤算法[J];雷達(dá)科學(xué)與技術(shù);2014年03期

5 胡振濤;曹志偉;李松;李樅樅;;基于容積卡爾曼濾波的異質(zhì)多傳感器融合算法[J];光電子.激光;2014年04期

相關(guān)博士學(xué)位論文 前1條

1 顧榮;大數(shù)據(jù)處理技術(shù)與系統(tǒng)研究[D];南京大學(xué);2016年

相關(guān)碩士學(xué)位論文 前4條

1 張紅玉;基于交互多模型的機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];大連海事大學(xué);2017年

2 侯磊;機(jī)動(dòng)目標(biāo)跟蹤算法的研究[D];大連海事大學(xué);2015年

3 侯同章;雷達(dá)航跡處理算法研究[D];江南大學(xué);2015年

4 李松;基于多源信息融合的定位與跟蹤方法研究[D];河南大學(xué);2014年

本文編號(hào)：2668622