论文部分内容阅读
外辐射源雷达自身不辐射电磁波,而是利用空间中已经存在的电磁信号对监控区域中的目标进行探测与跟踪。相比于传统主动雷达,外辐射源雷达具有诸多优势,例如体积小、造价低、无电磁污染以及具有抗隐身目标的潜力。为了提高该体制雷达的探测与跟踪性能,将多部外辐射源雷达进行组网近些年得到了大量研究。然而,实际中的多目标跟踪过程存在诸多困难,例如目标数目随着时间发生变化、雷达对目标存在漏检、传感器具有系统噪声、监控区域内存在杂波。此外,由于通信和实时性的限制,外辐射源雷达网络可能需要选择出能够更好获取目标信息的部分接收机,这将进一步增加目标跟踪的难度。传统多目标跟踪方法通常使用数据关联技术,将多目标跟踪问题转换为对各个单目标的独立跟踪。当目标和量测数目较大时,传统方法存在运算量过大的问题。近几年,基于随机有限集(Random Finite Set,RFS)的多目标跟踪方法吸引了国际上的广泛关注。这类方法利用统一化的贝叶斯架构对多目标整体进行滤波估计,避免了复杂的数据关联过程,为多目标跟踪领域开辟了一个新的研究方向。本文对RFS在外辐射源雷达网络及多目标跟踪算法中的应用进行了研究,主要内容与贡献可概括为如下四个方面:1.研究了基于势均衡多目标多伯努利(Cardinality-balanced Multi-target Multi-Bernoulli,CBMeMBer)滤波器的接收机选择方法。在外辐射源雷达网络中,针对跟踪过程中对接收机进行自适应选择的问题,提出了一种基于多目标优化的解决方法。在CBMeMBer滤波器中,后验多目标密度为遗留航迹和量测更新航迹的多伯努利参数的集合。由于遗留航迹和量测更新航迹具有不同的理论和物理意义,因此提出将这两类航迹分开讨论。具体而言,在接收机选择过程中考虑了两个目标:1)最大化量测更新航迹的势均值;2)最小化遗留航迹的势方差。以上这两个目标是相互冲突的,无法同时得到满足,因此被建模为多目标优化问题,并利用Pareto方法进行求解。由于所提两个目标函数都具有解析解,求解过程简便,因此可以实现对接收机进行快速高效地选择。2.研究了基于CBMeMBer滤波器的多传感器数据融合方法。传统的多传感器数据融合方法需要借助数据关联策略对多传感器数据进行处理。然而,杂波不可避免地存在于外辐射源雷达网络的监控区域内,并且目标数目可能较大,此时数据关联过程需要耗费巨大的运算量,难以满足实时处理的要求。不同于传统方法,当使用CBMeMBer滤波器对多目标进行跟踪时,可以采用以下三种避免航迹关联的方法对多传感器数据进行融合:随机更新方法,序贯更新方法和并行更新方法。本文对这些方法进行了详细地介绍,并在仅利用双基地距离作为量测的情况下,通过仿真实验对比了各方法对多目标状态的估计效果。3.研究了RFS在联合概率数据关联(Joint Probabilistic Data Association,JPDA)滤波器中的应用。在密集杂波环境中,JPDA滤波器是一种有效的用于多目标跟踪的方法,但是当目标之间距离较近时,存在目标航迹合并的问题。在JPDA滤波器中,后验概率密度函数(Probability Density Function,PDF)可以表示为高斯混合模型,其中每一个高斯分量表示一个数据关联假设事件。为了估计目标状态,JPDA滤波器在每一个时刻都用一个单高斯PDF对后验PDF进行近似。当不考虑目标标签时,可以对后验PDF进行转换以提高状态估计的准确性。利用Kullback-Leibler散度(Kullback-Leibler Divergence,KLD)衡量后验PDF和单高斯PDF之间的非相似性,KLD越小,高斯近似的准确度则越高。因此,本文提出通过最小化KLD以优化后验PDF,进而改善跟踪精度。由于不易直接求取KLD,因而采用近似的KLD作为优化过程的代价函数。该代价函数是一组目标函数的线性组合,各目标函数之间并不冲突,可以同时对各目标函数进行最小化以获得代价函数的最小值。理论分析和仿真实验表明,所提算法可以有效地避免航迹合并问题并且运算效率较高。4.研究了RFS在联合综合概率数据关联(Joint Integrated Probabilistic Data Association,JIPDA)滤波器中的应用。JIPDA滤波器将目标存在概率作为航迹质量评价指标,是一种有效的用于自动多目标跟踪的算法。在每个时刻,JIPDA对后验PDF进行高斯近似来估计航迹状态,然而却同样存在航迹合并问题。当多目标相距很近时,它们的跟踪门会发生重叠,各目标对应的量测可能发生混淆。本文指出误差协方差不仅影响到高斯近似过程的准确性,也会影响到跟踪门的大小,这些因素都对状态估计至关重要。为了得到更好的跟踪性能,本文通过控制误差协方差矩阵对后验PDF进行优化。将航迹估计误差协方差矩阵的迹作为优化过程中使用的代价函数,并利用迭代的方法使代价函数的值最小化。理论分析表明,所提方法可以减小跟踪门的尺寸并提高高斯近似过程的准确性,仿真实验进一步验证了所提方法的有效性。