發(fā)布時間：2020-10-17 06:34

　　 在現(xiàn)代戰(zhàn)場環(huán)境中,雷達(dá)是必不可少的電子裝備,而雷達(dá)的重要功能之一是目標(biāo)跟蹤。目標(biāo)跟蹤性能的好壞,將直接影響雷達(dá)的工作性能。因而,對業(yè)內(nèi)科研人員來說,研究雷達(dá)的目標(biāo)跟蹤技術(shù)具有重大意義。對于低分辨雷達(dá)慢速運動目標(biāo),測量誤差往往比較大,這就大大降低了目標(biāo)的跟蹤性能。本文對低分辨雷達(dá)慢速運動目標(biāo)跟蹤的關(guān)鍵技術(shù)進(jìn)行了討論,對目標(biāo)運動模型和目標(biāo)跟蹤算法進(jìn)行了詳細(xì)分析以及仿真研究。本文的主要研究內(nèi)容:首先,介紹了雷達(dá)目標(biāo)跟蹤的基礎(chǔ)知識。結(jié)合雷達(dá)跟蹤系統(tǒng)中幾種常用的坐標(biāo)系,對幾種經(jīng)典的目標(biāo)運動模型進(jìn)行了描述,包括CV模型、CA模型、CT模型、Singer模型和Jerk模型,對每種模型的適用范圍和特點進(jìn)行了深入討論。其次,討論了慢速運動目標(biāo)跟蹤濾波方法。首先介紹了卡爾曼濾波算法,然后在此基礎(chǔ)上研究了擴(kuò)展卡爾曼濾波(EKF)算法、不敏卡爾曼濾波(UKF)算法、容積卡爾曼濾波(CKF)算法、粒子濾波(PF)算法、高斯和KF算法以及交互多模型(IMM)算法。最后在基于雷達(dá)量測模型的基礎(chǔ)上,結(jié)合目標(biāo)運動模型對濾波算法進(jìn)行了仿真比較分析。最后,研究了適用于低分辨雷達(dá)的慢速運動目標(biāo)跟蹤濾波方法。針對低分辨雷達(dá)測量誤差大引起濾波殘差增大,且慢速目標(biāo)在運動過程中方向可能發(fā)生變化的情況下,進(jìn)一步導(dǎo)致跟蹤精度下降的問題,研究了基于協(xié)方差抽樣的自適應(yīng)卡爾曼濾波方法,該方法假設(shè)噪聲是高斯白噪聲,通過有限樣本近似量測噪聲協(xié)方差分布,再利用這些樣本近似系統(tǒng)后驗概率,形成高斯混合模型(GMM),將合成的高斯混合模型用于估計量測噪聲協(xié)方差以提高估計的準(zhǔn)確性。同時,提出了基于有限步記憶的卡爾曼濾波方法,該方法的關(guān)鍵在于聯(lián)合有限步過去時刻的狀態(tài)信息和當(dāng)前時刻的觀測信息對下一時刻的狀態(tài)信息作出估計,以此解決測量誤差大引起的跟蹤性能下降問題。最后,通過仿真實驗驗證了兩種方法的有效性。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN953
【部分圖文】：

EKF濾波結(jié)果

UKF濾波結(jié)果

SRCKF濾波結(jié)果
【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 蔡宗平;牛創(chuàng);戴定成;;基于簡化CKF的IMM算法[J];現(xiàn)代防御技術(shù);2015年06期

2 馬麗麗;張曼;陳金廣;;有色噪聲條件下的高斯和卡爾曼濾波算法[J];計算機(jī)工程與設(shè)計;2015年10期

3 鄒韜;趙長勝;丁圳祥;;有色觀測噪聲下的無跡卡爾曼濾波算法[J];測繪通報;2015年06期

4 趙曦晶;劉光斌;汪立新;何志昆;趙晗;;五階容積卡爾曼濾波算法及其應(yīng)用[J];紅外與激光工程;2015年04期

5 穆靜;蔡遠(yuǎn)利;;平方根容積卡爾曼濾波算法及其應(yīng)用[J];兵工自動化;2011年06期

6 陳亮;吳小俊;王士同;楊靜宇;;一種新的常增益機(jī)動目標(biāo)跟蹤方法:α-β-γ-δ模型[J];系統(tǒng)仿真學(xué)報;2008年17期

7 周東華;席裕庚;張鐘俊;;一種帶多重次優(yōu)漸消因子的擴(kuò)展卡爾曼濾波器[J];自動化學(xué)報;1991年06期

相關(guān)博士學(xué)位論文 前2條

1 劉昌云;雷達(dá)機(jī)動目標(biāo)運動模型與跟蹤算法研究[D];西安電子科技大學(xué);2014年

2 梁軍;粒子濾波算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 吳明洋;主動雷達(dá)目標(biāo)狀態(tài)估計算法研究[D];上海交通大學(xué);2012年

本文編號：2844426