低分辨雷达慢速运动目标跟踪方法研究

发布时间：2020-10-17 06:34

　　 在现代战场环境中,雷达是必不可少的电子装备,而雷达的重要功能之一是目标跟踪。目标跟踪性能的好坏,将直接影响雷达的工作性能。因而,对业内科研人员来说,研究雷达的目标跟踪技术具有重大意义。对于低分辨雷达慢速运动目标,测量误差往往比较大,这就大大降低了目标的跟踪性能。本文对低分辨雷达慢速运动目标跟踪的关键技术进行了讨论,对目标运动模型和目标跟踪算法进行了详细分析以及仿真研究。本文的主要研究内容:首先,介绍了雷达目标跟踪的基础知识。结合雷达跟踪系统中几种常用的坐标系,对几种经典的目标运动模型进行了描述,包括CV模型、CA模型、CT模型、Singer模型和Jerk模型,对每种模型的适用范围和特点进行了深入讨论。其次,讨论了慢速运动目标跟踪滤波方法。首先介绍了卡尔曼滤波算法,然后在此基础上研究了扩展卡尔曼滤波(EKF)算法、不敏卡尔曼滤波(UKF)算法、容积卡尔曼滤波(CKF)算法、粒子滤波(PF)算法、高斯和KF算法以及交互多模型(IMM)算法。最后在基于雷达量测模型的基础上,结合目标运动模型对滤波算法进行了仿真比较分析。最后,研究了适用于低分辨雷达的慢速运动目标跟踪滤波方法。针对低分辨雷达测量误差大引起滤波残差增大,且慢速目标在运动过程中方向可能发生变化的情况下,进一步导致跟踪精度下降的问题,研究了基于协方差抽样的自适应卡尔曼滤波方法,该方法假设噪声是高斯白噪声,通过有限样本近似量测噪声协方差分布,再利用这些样本近似系统后验概率,形成高斯混合模型(GMM),将合成的高斯混合模型用于估计量测噪声协方差以提高估计的准确性。同时,提出了基于有限步记忆的卡尔曼滤波方法,该方法的关键在于联合有限步过去时刻的状态信息和当前时刻的观测信息对下一时刻的状态信息作出估计,以此解决测量误差大引起的跟踪性能下降问题。最后,通过仿真实验验证了两种方法的有效性。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN953
【部分图文】：

EKF滤波结果

UKF滤波结果

SRCKF滤波结果
【参考文献】

相关期刊论文 前7条

1 蔡宗平;牛创;戴定成;;基于简化CKF的IMM算法[J];现代防御技术;2015年06期

2 马丽丽;张曼;陈金广;;有色噪声条件下的高斯和卡尔曼滤波算法[J];计算机工程与设计;2015年10期

3 邹韬;赵长胜;丁圳祥;;有色观测噪声下的无迹卡尔曼滤波算法[J];测绘通报;2015年06期

4 赵曦晶;刘光斌;汪立新;何志昆;赵晗;;五阶容积卡尔曼滤波算法及其应用[J];红外与激光工程;2015年04期

5 穆静;蔡远利;;平方根容积卡尔曼滤波算法及其应用[J];兵工自动化;2011年06期

6 陈亮;吴小俊;王士同;杨静宇;;一种新的常增益机动目标跟踪方法:α-β-γ-δ模型[J];系统仿真学报;2008年17期

7 周东华;席裕庚;张钟俊;;一种带多重次优渐消因子的扩展卡尔曼滤波器[J];自动化学报;1991年06期

相关博士学位论文 前2条

1 刘昌云;雷达机动目标运动模型与跟踪算法研究[D];西安电子科技大学;2014年

2 梁军;粒子滤波算法及其应用研究[D];哈尔滨工业大学;2009年

相关硕士学位论文 前1条

1 吴明洋;主动雷达目标状态估计算法研究[D];上海交通大学;2012年

本文编号：2844426