雷達機動目標跟蹤關(guān)鍵技術(shù)的研究.pdf

1、隨著現(xiàn)代航運事業(yè)的發(fā)展，水上交通形式日趨嚴峻，現(xiàn)代目標的機動性能越來越復(fù)雜多變，從而對水上運動目標的跟蹤性能提出了更高的要求，尤其是機動目標穩(wěn)定精確的跟蹤更為關(guān)鍵，本文就此展開了對機動目標跟蹤的研究。
　　首先，本文分析了機動目標跟蹤的基本原理，闡述了幾種常用的目標運動模型，然后介紹了經(jīng)典的卡爾曼濾波，重點分析了“當前”統(tǒng)計(CS)模型在機動目標跟蹤中的應(yīng)用，實驗仿真分析了基于常用的運動模型，即勻速(CV)模型、勻加速(CA)模型

2、、Singer模型的濾波算法和基于“當前”統(tǒng)計模型濾波算法的機動目標跟蹤性能，為后文的改進算法提供了理論基礎(chǔ)。
　　其次，為了適應(yīng)目標的高機動變化，分析了基于“當前”統(tǒng)計模型的濾波算法的不足，進而討論了基于“當前”統(tǒng)計模型的模糊自適應(yīng)濾波算法(CSFA)，在此基礎(chǔ)上，本文分析了強跟蹤濾波器在機動目標跟蹤中的應(yīng)用，并結(jié)合改進的模糊推理系統(tǒng)，提出了改進的基于“當前”統(tǒng)計模型的模糊自適應(yīng)濾波算法(ICSFA)。通過實驗仿真，驗證了本文的

3、算法ICSFA相對傳統(tǒng)的CS算法和CSFA算法，對機動目標和非機動目標的跟蹤性能得到了改善。
　　最后，由于目標運動的復(fù)雜性，單一模型很難滿足對機動目標的全程精確跟蹤，為此，本文討論了傳統(tǒng)交互式多模型算法(IMM)及其不足，然后分析了將模糊推理思想與CS模型結(jié)合的濾波算法(CSFA)，在此基礎(chǔ)上，本文提出了改進的基于模糊自適應(yīng)的多模型算法(IFA-IMM)，算法采用二級模糊推理映射的方式，通過一級模糊映射得到表征目標機動性的機動值