多传感器组网机动目标跟踪算法研究

摘要

多源信息融合技术是对来自多个信息源的数据和信息进行综合处理，以获得对目标的准确描述与估计。通过在多源信息融合系统中引入资源管理，构建信息融合系统的多级闭环结构，可提高系统的性能。
　　针对隐身目标等具有的机动特性，结合在线更新模型集合的思想设计了一种基于单传感器的变结构多模型算法，在此基础上实现了基于Rényi信息增量的多雷达组网协同跟踪算法，并对传感器网络下的两种分布式目标跟踪算法进行了仿真分析。本文主要内容安排如下：
　　首先，阐述了本文的研究背景及意义，对多传感器组网机动目标协同跟踪算法和分布式目标跟踪算法的研究现状进行了综述，并介绍了机动目标跟踪的相关理论与方法。
　　其次，设计了基于混合网格和Rényi信息增量的机动目标协同跟踪方法。针对变结构多模型算法中目标运动模式估计不准确和目标加速度突变的情况，采用基于“当前”统计模型的混合网格多模型算法，并引入渐消因子对加速度极值进行修正，提出了一种改进的基于“当前”统计模型和混合网格多模型算法的机动目标跟踪算法，仿真结果表明了算法的有效性。在此基础上，针对多雷达组网环境下的机动目标非线性观测问题，设计了一种基于Rényi信息增量的多雷达组网机动目标协同跟踪算法。首先结合“当前”统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法进行机动目标的状态估计；然后以Rényi信息增量作为评价准则，选择使Rényi信息增量最大的单个传感器进行目标跟踪；最后利用得到的最优加速度估计进行网格划分，更新变结构多模型中的模型集合。仿真结果表明，该算法能够合理地选择传感器，提高对机动目标的跟踪精度。在基于HLA的多雷达组网仿真软件平台下进行了移植和仿真测试。
　　再次，比较分析了两种分布式目标跟踪算法的性能，包括分布式一致性卡尔曼滤波算法和分布式粒子滤波算法，仿真结果表明，该算法可以实现对目标的一致性跟踪。
　　最后，对本文的研究工作进行了总结与展望。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3本文主要研究内容及章节安排

第二章 机动目标跟踪相关理论与方法

2.1 引言

2.2 目标运动模型

2.3 多模型目标跟踪算法

2.4 本章小结

第三章 基于混合网格和Rényi信息增量的机动目标协同跟踪算法

3.1 引言

3.2 基于“当前”统计模型的混合网格多模型算法

3.3 基于改进CSHGMM的机动目标跟踪算法

3.4 基于Rényi信息增量的雷达组网机动目标协同跟踪算法

3.5 基于HLA的多雷达组网仿真平台算法测试

3.6 结论

第四章 分布式目标跟踪算法比较研究

4.1 引言

4.2 一致性方法概述

4.3 分布式一致性卡尔曼滤波算法

4.4 分布式粒子滤波算法

4.5 本章小结

第五章 总结和展望

5.1 总结

5.2 展望

致谢

参考文献

附录