机载条件下扩展目标跟踪算法

发布时间：2020-11-09 10:23

　　 目标跟踪是利用已获得的目标数据对目标之后的运动状态信息进行预测估计,且在军事、空管、海岸监视等领域都被广泛使用。机载跟踪是将载机作为跟踪平台对目标进行实时跟踪,因其具有可以随目标机动改变作出灵活调整的特性被广泛应用于军事目标跟踪中。当跟踪距离较近或由于目标自身较大将观测器的分辨单元大量覆盖时,每个目标会在同一时间产生多个量测。理论上将在同一时刻产生多个量测的目标称作扩展目标,且扩展目标已经成为国内外目标跟踪研究的热点问题。目前常用的目标跟踪方法有卡尔曼算法和IMM多模型算法等。这些方法较为成熟,但都是对点目标数据进行跟踪无法直接处理扩展目标,同时算法自适应性较差,很多设定都是在获得目标状态前已经人为设定。针对上述问题,本文采用PHD概率密度假设滤波器对扩展目标进行处理再采用IMM算法对获取的扩展目标质心进行跟踪的方法,研究的主要工作有:分析机载条件下目标跟踪的难点,可以通过机载坐标转换和选择合适的跟踪算法处理机动性过大问题。机载坐标转换环节为了减少观测平台与跟踪目标的机动性,本文结合载机提供的信息将坐标转换为实验需要的NED坐标系。跟踪算法选择环节若采用卡尔曼算法会导致有较大误差,且传统IMM算法自适应性较差无法满足高精度跟踪需要。通过比较IMM算法在不同马尔科夫模型转移概率矩阵下的误差,引入多重次优渐消因子提高IMM算法的自适应性。通过比较跟踪目标在具有自适应性的IMM算法和传统IMM算法下的误差,得出自适应IMM算法在机动目标跟踪方面又更好的跟踪性能。分析扩展目标跟踪的难点,可以采用将扩展目标处理为点目标再利用点目标跟踪方法进行跟踪。本文在采用混合高斯概率密度假设滤波器的基础上,提出通过获得扩展目标个数后结合SNN相似度划分法对扩展目标量测进行重划分再提取质心,PHD-SNN重划分法在处理扩展目标发生交汇和衍生时有较好的跟踪性能。将可以处理目标机动性和扩展性问题的雷达跟踪系统嵌入自主设计的雷达跟踪平台内,对实际数据进行跟踪显示。实验结果表明,本文提出的整套算法可以对机载条件下的扩展目标有良好的跟踪性能。
【学位单位】：重庆大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：V355.1;E91
【部分图文】：

2 机动目标跟踪技术.1 目标跟踪原理目标跟踪由于目标自身具有较大的机动性、量测源和量测数据较模糊等不确性因素，使得目标跟踪问题具有一定的不确定性[9]。随着反侦查技术的增强，监环境的条件也随之增大，使得目标跟踪在原有基础上大大增加了跟踪的不确定。这就要求设计的目标跟踪系统尽可能做到随着改变调整相适应的变化[10]。经滤波后，对目标的位置和运动状态进行预测估计，进而减少目标跟踪的不确定。在目标跟踪系统中，首先要利用检测器来确定有无目标存在，在确定有目标在的情况下再利用估计器来处理目标的位置、速度等参数估计。

19 , x(0)图 2.8 卡尔曼滤波算法图Fig.2.8 Block diagram of Kalman filter algorithm，卡尔曼滤波过程中包含两个回路：增益回路和滤波回路需要利用到增益的相关信息。卡尔曼幅度改善，在目标跟踪方面已经广泛应用。但论模型对目标运动过程进行准确描述，通过多度的匹配。算法在运用运动模型个数方面可以分为单模类和多使用单一模型进行跟踪。多模类是选择不同模

法跟踪性能分析算法与 IMM 算法对目标跟踪性能比较卡尔曼算法和 IMM 算法对目标跟踪性能的影响，通过，使目标运动轨迹复杂性增大，对目标进行 400s 的跟载机坐标转换的飞机作为载机进行跟踪，载机数据如为 H=4000m，假设载机以 200m/s 的速度进行匀速运动 , y )为(1000,1000),CV模型的 x 方向和 y 方向速度均为目标前 100s 目标进行匀速直线运动，在 100~200s 目00s 目标进行匀速直线运动，在 300~400s 目标进行匀立进行跟踪观测。卡尔曼算法与 IMM 算法均将采样间次采样，kalman 滤波模型分别采用 CV 匀速模型和 CT标进行匹配，IMM 模型将卡尔曼模型的两种模型进行
【参考文献】

相关期刊论文 前2条

1 孔云波;冯新喜;危璋;;利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分[J];西安交通大学学报;2015年07期

2 党晓军;尹俊文;;一种基于模板匹配的运动目标跟踪方法[J];计算机工程与应用;2010年05期

相关博士学位论文 前1条

1 胡锦龙;扩展目标特征提取与跟踪技术研究[D];中国科学院研究生院（光电技术研究所）;2015年

本文编号：2876279