多属性分类在雷达目标跟踪算法中的应用研究

发布时间：2020-05-17 13:23

【摘要】：雷达目标跟踪技术是雷达系统工作内容中极为重要的部分。随着电子技术的发展,雷达目标跟踪正面临着越来越密集的杂波环境,如何有效滤除这些杂波信息,成为雷达目标跟踪算法研究需要解决的重要问题。传统目标跟踪方法大多利用尺度量测信息完成目标状态的预测更新,本文提出的多属性分类下的目标跟踪算法,引入目标属性特征,完成密集杂波环境下的目标跟踪。首先设计完成了多属性分类在雷达单目标跟踪算法上的应用。主要针对已有算法获取目标属性信息过少的问题,提出基于SVM多属性分类器的目标跟踪滤波算法。详细介绍了算法中跟踪器、检测器、学习器的工作原理与算法流程。通过仿真实验对算法效果进行了验证,证明多属性分类的应用有效提高了雷达单目标跟踪过程的精度。然后详细研究多属性分类对于雷达多目标跟踪的应用。设计实现了基于多属性分类的GM-PHD机动多目标跟踪算法。阐述了基于多机动目标跟踪模型的GM-PHD算法流程,并分析了目标属性分类原理与过程。用仿真实验完成算法实现,验证了特征分类对于多目标跟踪算法的精度提升。最后将多属性分类拓展应用到雷达红外多目标跟踪算法中,对算法中点迹与航迹、航迹与航迹的关联过程进行了完整说明。通过仿真实验证明多属性分类对于多传感器多目标跟踪算法的有效性。
【图文】：

图 2-1 PN 学习工作原理Fig 2-1 Working principle of PN learning性 PN-PHD 算法流程跟踪器获取 K 时刻目标跟踪位置，以此为中心将量测结果划分区外；检测器利用雷达获取的目标多维属性特征信息将量测结果初步本）与杂波（负样本）；PN 约束利用目标时空特性对检测器分类结果进行更正，并完集，，同时更新跟踪估计结果；利用新的正负样本集重新训练检测器的多属性分类方法，新的下一时刻的特征分类。框架图如图 2-2 所示。

图 2-1 PN 学习工作原理Fig 2-1 Working principle of PN learning PN-PHD 算法流程踪器获取 K 时刻目标跟踪位置，以此为中心将量测结果；器利用雷达获取的目标多维属性特征信息将量测结果与杂波（负样本）； 约束利用目标时空特性对检测器分类结果进行更正，同时更新跟踪估计结果；用新的正负样本集重新训练检测器的多属性分类方法，时刻的特征分类。图如图 2-2 所示。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN953

【参考文献】

相关期刊论文 前5条

1 王颖;雷斌;;基于雷达信噪比模型的目标跟踪算法研究[J];国外电子测量技术;2015年01期

2 倪龙强;高社生;孟祥欣;边月奎;舒立鹏;;一种红外与雷达信息融合跟踪算法及其性能分析[J];火炮发射与控制学报;2014年04期

3 付琳;万晓冬;王保曾;;多传感器多目标跟踪及航迹融合系统[J];计算机与现代化;2014年10期

4 尹帅;袁俊泉;吴顺华;王利才;;一种改进的JIPDA多目标跟踪算法[J];雷达科学与技术;2014年03期

5 胡振涛;曹志伟;李松;李枞枞;;基于容积卡尔曼滤波的异质多传感器融合算法[J];光电子.激光;2014年04期

相关博士学位论文 前1条

1 顾荣;大数据处理技术与系统研究[D];南京大学;2016年

相关硕士学位论文 前4条

1 张红玉;基于交互多模型的机动目标跟踪算法研究[D];大连海事大学;2017年

2 侯磊;机动目标跟踪算法的研究[D];大连海事大学;2015年

3 侯同章;雷达航迹处理算法研究[D];江南大学;2015年

4 李松;基于多源信息融合的定位与跟踪方法研究[D];河南大学;2014年

本文编号：2668622