基于可信度的飞行目标识别模型

发布时间：2020-10-17 17:49

　　 目标识别问题是一个应用广泛的研究领域,其中,飞行器的识别在军事、航空有重要的应用。一方面,识别方法的准确性是一个研究的热点,同时,对于识别结果的可信性也成为人们日益关注的问题。本论文针对飞行目标的识别问题进行研究。论文建立了飞行目标的航迹检测模型,并对于数据中的漏点和废点进行了处理。首先,根据物体运动学规律分别对飞行目标的运动,建立了状态方程,加入了随机噪声,并对非线性状态方程进行了离散化处理。其次,建立了两坐标雷达下的观测方程,并对方程进行了离散化。最后,根据状态方程和观测方程对卡尔曼滤波器需要的参数进行了初始化,建立航迹机动检测过程。本论文关注的另外一个问题是识别结果的可信度问题。根据航迹给出的各种条件,分别建立了三种基于可信度的目标识别模型,以适应各种情况下的判别。前两种是基于概率的方法,建立了统计判别模型。第三种方法则是根据模糊数学的方法,建立了基于隶属度的目标飞行器识别模型。最后,本论文给出了相应的数值实验。针对一组飞行目标的航迹,给出了应用本论文识别方法的数值实验结果。数值实验结果表明,本论文给出基于可信度判别飞行目标的方法是有效的。
【学位单位】：哈尔滨工程大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：V219;E91
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景和意义
    1.2 国内外研究现状
        1.2.1 “目标跟踪”及“飞行目标机动检测”的问题概述和研究现状
        1.2.2 仿真可信性研究的发展历程
        1.2.3 已取得的研究成果
    1.3 论文研究的主要问题
    1.4 论文的章节结构
第2章 预备知识
    2.1 插值逼近
    2.2 线性矢量卡尔曼滤波器
    2.3 可信度
        2.3.1 模糊意义下的可信度
        2.3.2 统计意义下的可信度
    2.4 本章小结
第3章 机动检测模型
    3.1 引言
    3.2 飞行目标的线性卡尔曼滤波器模型
    3.3 两坐标雷达航迹检测的卡尔曼滤波器模型
        3.3.1 两坐标雷达卡尔曼滤波器模型的线性化
        3.3.2 两坐标雷达卡尔曼滤波器状态向量的初始化
    3.4 卡尔曼滤波器的计算过程
        3.4.1 航迹漏点数据处理
        3.4.2 航迹废点数据处理
        3.4.3 卡尔曼滤波器航迹检测
    3.5 本章小结
第4章 基于可信度的目标识别模型
    4.1 目标识别的可信度
    4.2 飞行目标识别可信度模型的建立
        4.2.1 基于高度的单参数可信度
        4.2.2 基于速度的单参数可信度
        4.2.3 目标识别的多参数可信度
    4.3 基于模糊隶属度的飞行目标识别可信度模型
        4.3.1 目标物的状态信息
        4.3.2 隶属度的计算
    4.4 本章小结
第5章 数值仿真计算
    5.1 某站第一批航迹的机动检测
    5.2 某站第一批航迹基于可信度目标识别
    5.3 某站第二批航迹的机动检测模型
    5.4 某站第二批航迹基于可信度目标识别
    5.5 结论
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢

【参考文献】

相关期刊论文 前10条

1 阮传扬;杨建辉;韩莉娜;刘若冰;;考虑可信度和属性优先级的犹豫模糊决策方法[J];运筹与管理;2016年03期

2 Jeong-Bon Kim;Zhongbo Yu;Hao Zhang;;Can media exposure improve stock price efficiency in China and why?[J];China Journal of Accounting Research;2016年02期

3 李天然;张人禾;温敏;;IMPACT OF ENSO ON THE PRECIPITATION OVER CHINA IN WINTER HALF-YEARS[J];Journal of Tropical Meteorology;2015年02期

4 张军;欧建平;占荣辉;;Automatic target recognition of moving target based on empirical mode decomposition and genetic algorithm support vector machine[J];Journal of Central South University;2015年04期

5 Lailiang Song;Chunxi Zhang;Jiazhen Lu;;Self-alignment of full skewed RSINS: observability analysis and full-observable Kalman filter[J];Journal of Systems Engineering and Electronics;2014年01期

6 Hao Guo;Chen Cheng;Xiaohua Cao;Jie Xiang;Junjie Chen;Kerang Zhang;;Resting-state functional connectivity abnormalities in first-onset unmedicated depression[J];Neural Regeneration Research;2014年02期

7 靳标;纠博;刘宏伟;苏涛;;一种针对目标跟踪的自适应波形选择方法[J];西安电子科技大学学报;2014年01期

8 Chaoyang Jiang;Yongan Zhang;;Reduced-order Kalman filtering for state constrained linear systems[J];Journal of Systems Engineering and Electronics;2013年04期

9 ;Data fusion for target tracking in wireless sensor networks using quantized innovations and Kalman filtering[J];Science China(Information Sciences);2012年03期

10 柴获;闫军;李秦渝;;基于置信度的软件质量模糊评价模型研究[J];计算机工程与设计;2012年02期

相关博士学位论文 前2条

1 史思琦;基于轮廓特征的目标识别研究[D];西安电子科技大学;2012年

2 朱林;信息融合系统工程设计准则的研究[D];哈尔滨工程大学;2005年

相关硕士学位论文 前10条

1 周晨航;基于数据融合的运动目标识别方法研究[D];沈阳大学;2016年

2 辛红全;车载通信系统电磁兼容性能综合仿真评估的可信度研究[D];西安电子科技大学;2012年

3 左彩霞;复杂全数字仿真系统的可信性评估方法的研究与应用[D];电子科技大学;2010年

4 李旎;关于三值社会诊断模型的研究[D];湘潭大学;2009年

5 张玉宽;基于生物视觉的边缘检测与目标跟踪算法研究与仿真[D];华中科技大学;2008年

6 常向魁;视频运动目标跟踪算法研究[D];河南大学;2007年

7 赵丹丹;多传感器数据融合在目标识别中的应用研究[D];太原理工大学;2007年

8 陶岩;鱼雷自导系统仿真的VV&A研究[D];西北工业大学;2006年

9 何振军;基于模糊随机概率理论上的结构可靠度分析[D];辽宁工程技术大学;2004年

10 黄静;红外目标的检测与跟踪[D];大连理工大学;2002年

本文编号：2845120