發(fā)布時(shí)間：2021-02-19 23:12

　　近幾年來(lái)隨著目標(biāo)跟蹤技術(shù)的發(fā)展,多普勒雷達(dá)被應(yīng)用于機(jī)動(dòng)運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域。對(duì)運(yùn)動(dòng)模式時(shí)變的機(jī)動(dòng)目標(biāo)跟蹤與防御是雷達(dá)系統(tǒng)中一項(xiàng)極具挑戰(zhàn)性的任務(wù),而非線性量測(cè)環(huán)境下的機(jī)動(dòng)目標(biāo)跟蹤也逐漸成為研究的重點(diǎn)。本文將針對(duì)跟蹤系統(tǒng)中多普勒量測(cè)處理與自適應(yīng)機(jī)動(dòng)跟蹤方法展開(kāi)研究,主要從減弱多普勒量測(cè)的非線性影響和改善機(jī)動(dòng)場(chǎng)景下的目標(biāo)跟蹤精確度與算法穩(wěn)定性進(jìn)行展開(kāi)。本文的主要研究?jī)?nèi)容與貢獻(xiàn)包括:1.研究了三種典型的機(jī)動(dòng)目標(biāo)跟蹤算法:當(dāng)前統(tǒng)計(jì)模型算法、多模型濾波算法和交互式多模型濾波算法,驗(yàn)證了以上算法在機(jī)動(dòng)與非機(jī)動(dòng)場(chǎng)景下的跟蹤性能,并給出相應(yīng)場(chǎng)景下的算法使用推薦。2.針對(duì)多普勒量測(cè)的非線性問(wèn)題,提出了基于預(yù)測(cè)值量測(cè)轉(zhuǎn)換的序貫濾波機(jī)動(dòng)目標(biāo)跟蹤算法,改善了傳統(tǒng)基于量測(cè)值量測(cè)轉(zhuǎn)換方法的缺陷。通過(guò)LOS方式改進(jìn)量測(cè)轉(zhuǎn)換方法,實(shí)現(xiàn)了利用切向速度信息對(duì)非線性系統(tǒng)的無(wú)偏估計(jì)。該算法在復(fù)雜度增量較小的情況下,對(duì)系統(tǒng)的跟蹤精度有較大提升。3.研究了基于最佳線性無(wú)偏估計(jì)理論的目標(biāo)跟蹤算法,并推導(dǎo)了BLUE的Kalman濾波形式,提出了一種基于BLUE自適應(yīng)序貫處理的機(jī)動(dòng)目標(biāo)跟蹤算法。通過(guò)對(duì)偽狀態(tài)與偽量測(cè)性能的實(shí)時(shí)估計(jì),來(lái)自適應(yīng)調(diào)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：99 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究發(fā)展及現(xiàn)狀
        1.2.1 非線性濾波算法研究現(xiàn)狀
        1.2.2 機(jī)動(dòng)目標(biāo)跟蹤算法研究現(xiàn)狀
        1.2.3 基于隨機(jī)集的多目標(biāo)跟蹤研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第二章 機(jī)動(dòng)目標(biāo)跟蹤算法
    2.1 當(dāng)前統(tǒng)計(jì)模型算法（CSM）
    2.2 多模型算法（MM）
    2.3 交互式多模型算法（IMM）
    2.4 仿真分析
    2.5 本章小結(jié)
第三章 基于量測(cè)轉(zhuǎn)換的非線性濾波機(jī)動(dòng)目標(biāo)跟蹤
    3.1 問(wèn)題描述
    3.2 基于序貫濾波的量測(cè)轉(zhuǎn)換的機(jī)動(dòng)目標(biāo)跟蹤
        3.2.1 基于量測(cè)值量測(cè)轉(zhuǎn)換的序貫濾波機(jī)動(dòng)目標(biāo)跟蹤
        3.2.2 基于預(yù)測(cè)值量測(cè)轉(zhuǎn)換的序貫濾波機(jī)動(dòng)目標(biāo)跟蹤
    3.3 基于靜態(tài)融合量測(cè)轉(zhuǎn)換的機(jī)動(dòng)目標(biāo)跟蹤
        3.3.1 基于量測(cè)值量測(cè)轉(zhuǎn)換的靜態(tài)融合機(jī)動(dòng)目標(biāo)跟蹤
        3.3.2 基于預(yù)測(cè)值量測(cè)轉(zhuǎn)換的靜態(tài)融合機(jī)動(dòng)目標(biāo)跟蹤
    3.4 基于LOS量測(cè)轉(zhuǎn)換的機(jī)動(dòng)目標(biāo)跟蹤
        3.4.1 基于預(yù)測(cè)值的LOS坐標(biāo)量測(cè)轉(zhuǎn)換方法
        3.4.2 基于LOS量測(cè)轉(zhuǎn)換信息濾波的機(jī)動(dòng)目標(biāo)跟蹤
    3.5 仿真分析
    3.6 本章小結(jié)
第四章 基于最佳線性無(wú)偏估計(jì)的目標(biāo)跟蹤
    4.1 基于BLUE可處理多普勒偽量測(cè)的目標(biāo)跟蹤算法
        4.1.1 最佳線性無(wú)偏估計(jì)原理
        4.1.2 BLUEPM濾波算法
        4.1.3 基于BLUEPM的機(jī)動(dòng)目標(biāo)跟蹤算法
    4.2 基于BLUE的序貫濾波目標(biāo)跟蹤方法
        4.2.1 最佳線性無(wú)偏估計(jì)的卡爾曼形式
        4.2.2 BLUESQ濾波算法
        4.2.3 基于BLUESQ的機(jī)動(dòng)目標(biāo)跟蹤算法
    4.3 基于BLUE的靜態(tài)融合目標(biāo)跟蹤方法
        4.3.1 BLUESF濾波算法原理
        4.3.2 基于BLUESF的機(jī)動(dòng)目標(biāo)跟蹤算法
    4.4 基于BLUE自適應(yīng)序貫處理的目標(biāo)跟蹤算法
        4.4.1 偽量測(cè)與偽狀態(tài)估計(jì)性能分析
        4.4.2 BLUESQ-ADP濾波算法原理
    4.5 仿真分析
    4.6 本章小節(jié)
第五章 基于隨機(jī)集概率假設(shè)密度的多機(jī)動(dòng)目標(biāo)跟蹤
    5.1 隨機(jī)有限集理論與多目標(biāo)Bayes濾波
        5.1.1 有限集統(tǒng)計(jì)特性（FISST）
        5.1.2 隨機(jī)集濾波模型與多目標(biāo)Bayes遞推方法
    5.2 概率假設(shè)密度濾波（PHD）
        5.2.1 概率假設(shè)密度濾波原理
        5.2.2 混合高斯概率假設(shè)密度（GMPHD）濾波器
        5.2.3 多目標(biāo)的跟蹤誤差評(píng)估
    5.3 可處理非線性量測(cè)的多機(jī)動(dòng)目標(biāo)跟蹤算法
        5.3.1 多模型CM-GMPHD濾波算法
        5.3.2 多模型SQD-GMPHD濾波算法
    5.4 仿真分析
    5.5 本章小結(jié)
第六章 結(jié)束語(yǔ)
致謝
參考文獻(xiàn)
攻碩期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于預(yù)測(cè)信息的量測(cè)轉(zhuǎn)換序貫濾波目標(biāo)跟蹤[J]. 彭瀚,程婷.  系統(tǒng)工程與電子技術(shù). 2019(03)
[2]Best linear unbiased estimation algorithm with Doppler measurements in spherical coordinates[J]. Wei Wang,Dan Li,Liping Jiang.  Journal of Systems Engineering and Electronics. 2016(01)
[3]基于“當(dāng)前”統(tǒng)計(jì)模型的交互式多模型算法[J]. 劉建書(shū),李人厚,劉云龍.  系統(tǒng)工程與電子技術(shù). 2008(07)

碩士論文
[1]相控陣?yán)走_(dá)中目標(biāo)跟蹤和波束調(diào)度算法研究[D]. 李姝怡.電子科技大學(xué) 2018



本文編號(hào)：3041834