基于PHD滤波的舰载雷达与ESM融合算法

发布时间：2021-04-09 19:14

　　针对雷达与电子支援侦察（ESM）主被动传感器联合定位与目标跟踪,提出了基于概率假设密度（PHD）滤波的雷达-ESM融合算法,并给出了其混合高斯实现方法。该算法能够利用多ESM侦察信息实现联合目标定位及识别,还可综合雷达信息实现异源传感器融合,从而实现杂波环境下多目标高精度跟踪及目标检测。大量蒙特卡洛仿真实验表明:该算法是一种有效的雷达-ESM协同跟踪融合方法。 

【文章来源】：现代雷达. 2020,42(08)北大核心CSCD

【文章页数】：7 页

【部分图文】：

雷达-ESM PHD融合框架

表1 多目标运动起始状态 批号 起始时刻 消失时刻 起始状态/(m,m,m/s,m/s) 1 1 170 (7 000,10 000,20,20) 2 30 200 (7 000,10 000,-15,15) 3 30 200 (-7 000,-10 000,18,-8) 4 50 200 (0, 50 000, -340,0) 5 60 200 (7 000,10 000,0,20) 6 1 170 (-7 000,-10 000,-20,-20)假设k时刻各目标的存活概率为ps,k=0.99,目标状态转移矩阵Fk及过程噪声协方差Qk如下所示

图3、图4为雷达-ESM融合PHD滤波算法与单传感器多目标PHD滤波算法以及ESM多目标PHD融合滤波算法的估计性能对比图,非线性解算过程均采用CKF滤波算法。其中,图3展示了多目标个数估计结果,图4展示了OSPA估计误差。从仿真结果可知:本文算法不仅提高了多目标跟踪融合精度,还保证了监视区域内目标个数的正确估计。图4 多目标OSPA误差图

【参考文献】：
期刊论文
[1]机动目标自适应跟踪与系统误差配准[J]. 修建娟,王光源,何友.  指挥信息系统与技术. 2018(02)
[2]基于概率假设密度滤波的多目标雷达空间误差配准算法[J]. 章涛,李海,吴仁彪.  控制与决策. 2018(08)
[3]面向多目标跟踪的PHD滤波多传感器数据融合算法[J]. 周治利,薛安克,申屠晗,彭冬亮.  火力与指挥控制. 2017(08)
[4]雷达与ESM综合多目标检测、跟踪与识别[J]. 石绍应,杜鹏飞,张靖,曹晨.  系统工程与电子技术. 2016(07)
[5]基于测量子集优化的雷达/ESM联合目标跟踪[J]. 王雪飞,尚朝轩,王昌盛.  现代雷达. 2014(04)
[6]基于概率假设密度滤波方法的多目标跟踪技术综述[J]. 杨峰,王永齐,梁彦,潘泉.  自动化学报. 2013(11)
[7]基于UKF的雷达和机载ESM扩维跟踪[J]. 张翔宇,王国宏,王娜,张静.  国外电子测量技术. 2011(09)
[8]ESM传感器与雷达航迹关联仿真[J]. 林洪涛,周焰,程焱,沈丁丁.  舰船电子对抗. 2009(03)
[9]一种目标状态与系统偏差的联合估计算法[J]. 宋强,何友,董云龙.  弹箭与制导学报. 2007(04)
[10]基于有源辅助的被动跟踪系统[J]. 李安平,敬忠良,胡士强.  上海交通大学学报. 2005(12)



本文编号：3128169