基于光学测量信息的多源融合目标跟踪算法研究

发布时间：2020-08-10 08:40

【摘要】：随着科学技术的高速发展,飞机、导弹及舰艇等目标的机动能力日益增强,机动样式愈加丰富,干扰对抗手段日渐完善,机动目标跟踪已由无干扰环境下简单运动目标的跟踪问题转变为杂波环境下复杂机动目标的跟踪问题。因此,论文以光学测量信息为基础,对多源融合目标跟踪算法进行深入研究,建立了机动目标跟踪模型,对比了不同的非线性滤波算法和不同目标运动模型的跟踪精度,给出了基于多源数据融合的目标跟踪方法,具体内容如下:首先,论文对机动目标跟踪模型进行了研究,给出了机动目标跟踪的目标运动模型和测量模型。考虑到工程应用的实际情况,建立了常速度(CV),常加速度(CA)、Singer,“当前”统计和协同转弯等五种常用的目标运动模型;根据主被动光学传感器的测量原理,确定其测量输出信息与目标运动状态之间关系,建立了相应的测量模型;此外,论文还给出了一种基于最小二乘算法的目标跟踪方法,并进行了数学仿真分析,验证了测量模型和跟踪方法的准确性。之后,对多种非线性滤波算法进行了研究。对比分析了扩展卡尔曼滤波、无迹卡尔曼滤波和高阶容积卡尔曼滤波算法的基于原理,给出了主要步骤和公式;此外,论文还利用控制变量法进行了两组蒙特卡洛数学仿真,分别对比相同目标运动模型下不同滤波算法的跟踪精度和相同滤波算法下不同目标运动模型的跟踪精度,以确定估计精度最高的非线性滤波算法和目标运动描述最准确的目标运动模型。然后,论文给出了基于高阶容积卡尔曼滤波算法的交互式多模算法。考虑单模型算法无法实现对复杂机动目标的精确跟踪,而高阶容积卡尔曼滤波又具有最好的非线性近似精度,因此,论文将高阶容积卡尔曼滤波嵌入到交互式多模型算法中,提高了滤波器对复杂机动目标的跟踪精度。最后,论文对交互式多模型-概率数据互联算法进行了研究。由于数据互联算法和交互式多模型算法分别擅长处理杂波环境下的跟踪问题和复杂机动目标跟踪问题,因此,论文将这两种方法进行了结合,给出了交互式多模型-概率数据互联算法,对于提高杂波环境下复杂机动目标的跟踪精度具有重要意义。论文还进行了相应的数学仿真,验证了所提算法的有效性。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：E91
【图文】：

结构图,跟踪算法,结构图,数据融合

-3-图 1-1 各类跟踪算法结构图合方法机动目标跟踪的重要支撑，它通过综合处理来自、更全面、更可靠的目标跟踪。由于数据融合所、态势威胁评估等多个方面[35-38]，对于本论文所合。别的数据融合，主要有集中式、分布式和混合式结构进行简要介绍。式出了集中式融合结构的示意图，这种结构利用数据入数据，存在着计算量大，容错性低的缺点，但

示意图,滤波算法,航迹,跟踪器

跟踪器中心级跟踪系统航迹航迹-航迹关联矩阵传感器2跟踪器传感器N跟踪器观测观测航迹航迹航迹图 1-4 混合式示意图.3 非线性滤波方法最早的最优滤波算法诞生于 18 世纪末，是由著名数学家高斯提出的最小，该方法应用简单，对于服从正态分布的数据具有方差最小的特性，在等领域得到了广泛应用[39-41]，但该算法仅考虑量测和状态之间的关系，定性并不好。

示意图,卡尔曼滤波,采样点,卡尔曼滤波算法

哈尔滨工业大学工学硕士学位论文 | 1 | 1 ,k k k k k k k x x K y h x v 为测量值。协方差矩阵kP 分别为 k k k k |k 1P I K H P 迹卡尔曼滤波算法展卡尔曼滤波算法近似非线性函数不同，无迹卡尔曼滤波基于通过采样点近似高斯分布，再对采样点进行非线性变换，进而

【参考文献】