论文部分内容阅读
近几年来随着目标跟踪技术的发展,多普勒雷达被应用于机动运动目标跟踪领域。对运动模式时变的机动目标跟踪与防御是雷达系统中一项极具挑战性的任务,而非线性量测环境下的机动目标跟踪也逐渐成为研究的重点。本文将针对跟踪系统中多普勒量测处理与自适应机动跟踪方法展开研究,主要从减弱多普勒量测的非线性影响和改善机动场景下的目标跟踪精确度与算法稳定性进行展开。本文的主要研究内容与贡献包括:1.研究了三种典型的机动目标跟踪算法:当前统计模型算法、多模型滤波算法和交互式多模型滤波算法,验证了以上算法在机动与非机动场景下的跟踪性能,并给出相应场景下的算法使用推荐。2.针对多普勒量测的非线性问题,提出了基于预测值量测转换的序贯滤波机动目标跟踪算法,改善了传统基于量测值量测转换方法的缺陷。通过LOS方式改进量测转换方法,实现了利用切向速度信息对非线性系统的无偏估计。该算法在复杂度增量较小的情况下,对系统的跟踪精度有较大提升。3.研究了基于最佳线性无偏估计理论的目标跟踪算法,并推导了BLUE的Kalman滤波形式,提出了一种基于BLUE自适应序贯处理的机动目标跟踪算法。通过对伪状态与伪量测性能的实时估计,来自适应调整滤波器参数,进而实现带多普勒量测目标的最优跟踪。该算法可克服伪状态滤波前期收敛时间长的问题,相比基于静态融合的BLUE方法计算量较小。4.针对非线性量测及杂波环境下的多机动目标跟踪问题,提出了一种多模型CM-GMPHD算法。考虑多普勒量测的影响,在此基础上提出了多模型SQD-GMPHD算法与多模型SQ-GMPHD两种改进算法。相比CM-GMPHD和多模型SQD-GMPHD算法。多模型SQ-GMPHD算法通过构造伪量测降低了多普勒量测的非线性,在保证一定跟踪精度的情况下,提升了目标数估计的准确性,可实现有效的多机动目标跟踪。通过仿真实验对以上提出的算法进行性能分析,相比现阶段的目标跟踪算法,在跟踪性能上有所提升,工程上具有一定的实际应用价值。