《高速高机动目标主被动联合跟踪算法的研究论文》由会员分享，可在线阅读，更多相关《高速高机动目标主被动联合跟踪算法的研究论文（78页珍藏版）》请在金锄头文库上搜索。
1、摘 要主/被动联合跟踪是多传感器联合跟踪技术的一个重要部分,它能实现主动传感器和被动传感器的数据互补,改善对目标的跟踪精度,提高系统的生存能力。本文研究的主/被动协同跟踪是主/被动联合跟踪的分支,它能够使跟踪系统在满足跟踪精度要求的同时又具备良好的隐蔽性,这在战场环境愈发复杂的当代,具有很重要的军事意义,因而引起了广泛的关注。基于这样的背景,本文从相关波门、时间配准、数据融合、非线性滤波算法这四个方面对主/被动联合跟踪进行了研究和算法改进。首先,本文结合了相关波门的知识,提出了一种跟踪系统性能评价方法,因为对于主/被动协同跟踪系统来说,如何实现两种工作模式的转换,尽可能减少主动传感器开机时间,
2、是十分重要的。并且通过比较,对高机动目标,得出了使用当前统计模型时,接收正确回波的概率和关联区域大小有更好的稳定性。其次,由于主动传感器和被动传感器的采样周期不同,将不同采样时刻的数据直接用于目标定位,将会带来很大的误差。针对这种情况,本文采用了虚拟融合法对数据实行配准,从而提高目标定位的精度。然后,介绍了几种数据融合结构及算法,通过比较,选择了有反馈的分布式融合结构,可以实现主动传感器和被动传感器的有机互补,而且能够提高局部传感器的跟踪精度。因此,对于主/被动协同跟踪系统,这种方法很有意义,本文将其应用在主/被动协同跟踪系统中,对系统进行了改进。接着,对几种非线性滤波算法进行研究和比较,选择
3、了不敏卡尔曼滤波算法,并将其应用在主/被动协同跟踪系统中,对系统进行改进,通过理论论证和数字仿真,证实了算法的有效性。最后对虚拟航路进行了仿真,通过实例验证了相关波门、时间配准算法、有反馈的分布式融合结构、及改进的主/被动协同跟踪算法的有效性,为工程应用提供了有益的参考。关键词：主/被动联合,协同跟踪,相关波门,时间配准,数据融合,不敏卡尔曼滤 / AbstractActive-passive joint tracking is an importantpart of target tracking on fusion of multi-sensor. It can achieve that
4、the data of active sensor and passive sensor complement each otherto improve the tracking accuracy and the systems viability.The active-passive synergistic tracking discussed in this paper is a branch of active-passive joint tracking. It can meet the need of the good tracking accuracy and the good c
5、oncealment at the same time, which has very important military significance and attracts wide attention inincreasingly complex modern battlefield environment. Based on this background, this paper relates to the techniques of correlated gating, time registration, data fusion and nonlinear filtering.
6、And based on these techniques, the paper studies and improves the active-passive joint tracking algorithm.First, the paper brings a tracking systems performance evaluation with the knowledge of correlated gating, because for the active-passive synergistic tacking system, how to achieve the transform
7、ation between two modes, and minimize the boot time of active sensor, is very important. Then by comparison, for highly maneuvering target, the paper educes with current model, the probability of receiving right echoand the size of associated area have betterstability.Second, active sensor and passi
8、ve sensor have different sampling periods, so if the data of different sampling times is used directly for targeting, it will lead to large errors. To avoid this possibility, the paper usesvirtual combination method to implementthe registration ofdata.Third, several data fusion structures and algori
9、thms are introduced. By comparison, a distributed fusion structure with feedback is chosen, which can achieve the data of active sensor and passive sensor complement each other and enhance the accuracy of target tracking. So, the method is useful forsynergistic tracking system. The paper applies thi
10、s method of data fusion in synergistic tracking system to improve its performance.Then, several non-linear filtering algorithms are studied and compared.The unscented kalman filter is chosen by comparison, and is applied in the active-passive synergistic tracking system to improve its performance. W
11、ith theoretical arguments and several simulations, the validity of the improved algorithm is approved.Finally, With the simulation of the virtual route,the techniques ofcorrelated gating, time registration,distributed fusion structure withfeedback, andimprovedactive-passivesynergistic tracking algor
12、ithmis effective,and provide a useful reference to engineeringapplication.Key word: active-passive joint, synergistic tracking, correlated gating, time registration, data fusion, theunscented kalman filter目 录摘要IAbstractIII1 绪论11.1 研究背景及意义11.2 国外研究概况11.2.1 非线性滤波理论研究概况11.2.2 多传感器数据融合技术研究概况31.2.3 主/被动联
13、合跟踪研究概况41.3 本文的主要工作及安排51.3.1 研究容51.3.2 论文结构安排62 主/被动联合跟踪方法研究92.1 概述92.2 主动跟踪与被动跟踪技术92.2.1 被动定向跟踪102.2.2 被动定位跟踪102.2.3 被动跟踪的可观测性132.3 主/被动联合跟踪的定位132.3.1 跟踪系统结构及工作原理132.3.2 跟踪性能评估142.3.3 异步数据的时间配准182.3.4 数据融合202.3.5 无反馈与有反馈性能仿真比较242.4 主/被动协同跟踪系统272.5 本章小结303 非线性滤波算法研究313.1 概述313.2 测量坐标系的选择313.3 几种典型的非
14、线性滤波333.3.1 经典线性滤波器卡尔曼滤波333.3.2 扩展卡尔曼滤波333.3.3 不敏卡尔曼滤波353.3.4 仿真比较373.4 基于当前统计模型的滤波算法383.4.1 Singer模型393.4.2 当前统计模型393.4.3 相关波门的研究423.4.4仿真实验433.5 本章小结474 高速高机动目标主/被动联合跟踪494.1 仿真环境504.2 仿真结果及分析504.4.1 异步数据时间配准仿真504.4.2 主/被动传感器数据融合仿真524.4.3 主/被动协同跟踪与同时跟踪仿真545 结束语655.1 总结655.2 展望65致67参考文献691 绪论1.1 研究背
15、景及意义随着现代科学技术的发展,现代战争的环境越来越复杂,在复杂环境下进行目标跟踪,由于受传感器管理及决策的影响,战场环境的限制,以及提高生存能力等的要求,多个传感器均能同时工作的理想条件往往难以实现。因此研究传感器在这种受限条件下的跟踪,对实际工程应用具有非常重要的意义。在各种各样的数据融合工程应用中,基于数据融合理论的主/被动传感器数据融合技术是精确导航制导领域中的热门技术之一。被动跟踪具有隐蔽性好,不易被敌方发现的优点。但是它也有其自身的不足,具有弱可观测性等方面的缺点,难以同时满足跟踪精度和隐蔽性的要求。若能有机的联合主动跟踪,势必会大幅度提高目标跟踪的效果,提高系统的战场生存率。其中使用比较广泛的有：ESM与雷达数据融合、红外与雷达主被动联合跟踪等。就主/被动雷达数据融合来说,一般,两种雷达的测量原理和实现结构有很大区别,导致两种测量数据在数据率、噪声方差等很多性能上不同,在部分性能上具有互补性。如何将两种数据有效地融合起来便成为一个非常现实的问题。文献1中将红外和雷达结合起来,提高了对巡航导弹的跟踪性能。文献2通过前视红外传感器测得的目标图像信息,得到较为准确的目标运动信息,同时将前视红外传感器和雷达的角度测量值进行融合,以改善跟踪性能。对高速高机动目标的实时稳定高效跟踪,是非线性估计理论研究的一个重要课题,被动跟踪更是其
