多傳感器目標(biāo)跟蹤數(shù)據(jù)融合關(guān)鍵技術(shù)研究.pdf

1、隨著目標(biāo)跟蹤和信息融合技術(shù)的高速發(fā)展，人們開始探索利用多個(gè)傳感器的測(cè)量數(shù)據(jù)對(duì)跟蹤目標(biāo)的運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì)，以實(shí)現(xiàn)最大限度提取有用信息進(jìn)行目標(biāo)跟蹤的目的。如何將多個(gè)傳感器的數(shù)據(jù)進(jìn)行有機(jī)融合，獲得單一傳感器無(wú)法達(dá)到的跟蹤性能，已經(jīng)成為目標(biāo)跟蹤領(lǐng)域中多傳感器數(shù)據(jù)融合技術(shù)研究和關(guān)注的重點(diǎn)。
　　 本文針對(duì)多傳感器目標(biāo)跟蹤數(shù)據(jù)融合技術(shù)中的一些關(guān)鍵問題進(jìn)行認(rèn)真研究和深入探討，為數(shù)據(jù)融合技術(shù)應(yīng)用到目標(biāo)跟蹤問題提供了重要參考。在分析總結(jié)前人的研究

2、和應(yīng)用基礎(chǔ)上，主要進(jìn)行的工作如下:
　　 1、將集合卡爾曼濾波技術(shù)引入到多傳感器目標(biāo)跟蹤領(lǐng)域，驗(yàn)證EnKF算法的可行性和有效性;針對(duì)多個(gè)EnKF濾波器擁有共同的過程噪聲以及觀測(cè)集合導(dǎo)致濾波后航跡相關(guān)的問題，提出了基于EnKF的協(xié)方差加權(quán)航跡融合算法;來源于不同傳感器的測(cè)量數(shù)據(jù)會(huì)產(chǎn)生多個(gè)可能初始狀態(tài)，針對(duì)初始狀態(tài)選擇會(huì)對(duì)跟蹤性能影響問題，提出了基于分塊EnKF的非線性目標(biāo)跟蹤算法，采用分塊思想生成初始集合，在分塊間再進(jìn)行協(xié)方差加權(quán)

3、融合;將集合卡爾曼濾波算法和粒子濾波算法有效的結(jié)合在一起，提出了基于改進(jìn)EnPF的非線性目標(biāo)跟蹤算法，采用兩個(gè)獨(dú)立集合，先利用一個(gè)獨(dú)立集合進(jìn)行集合卡爾曼濾波，然后利用集合卡爾曼濾波的分析集合和另一個(gè)獨(dú)立集合組成粒子濾波的參考分布，最后進(jìn)行粒子濾波的方式結(jié)合了集合卡爾曼濾波算法和粒子濾波算法的優(yōu)點(diǎn)，解決了EnKF濾波算法不適合非高斯噪聲系統(tǒng)和PF濾波算法計(jì)算量大不適用于實(shí)時(shí)跟蹤的問題。
　　 2、在目標(biāo)跟蹤系統(tǒng)中，傳感器觀測(cè)噪聲往

4、往具有非高斯特性。針對(duì)傳感器對(duì)目標(biāo)進(jìn)行跟蹤時(shí)觀測(cè)噪聲非高斯問題，提出了一種基于關(guān)系矩陣的主、被動(dòng)傳感器量測(cè)統(tǒng)計(jì)融合算法。算法采用方差加權(quán)距離解決傳感器量測(cè)噪聲非高斯問題，運(yùn)用傳感器綜合融合度構(gòu)建關(guān)系矩陣，并且在門限附近采用橢圓模糊處理技術(shù)。
　　 3、傳感器的測(cè)量誤差是由固定誤差和隨機(jī)誤差組成。固定測(cè)量誤差一般由傳感器本身特性決定，而隨機(jī)誤差會(huì)受到傳感器與目標(biāo)之間的距離、自然抑或是人為干擾等隨機(jī)因素影響。在不考慮干擾的情況下，傳

5、感器與目標(biāo)間的距離成為影響隨機(jī)測(cè)量誤差的主要原因。針對(duì)目標(biāo)和傳感器間的距離參數(shù)對(duì)傳感器隨機(jī)測(cè)量誤差帶來影響的問題，提出了一種基于模糊距離閾值的主被動(dòng)傳感器變權(quán)重量測(cè)融合算法，采用指數(shù)函數(shù)和模糊處理技術(shù)，利用先驗(yàn)信息實(shí)時(shí)改變主、被動(dòng)傳感器在量測(cè)融合過程中所占的權(quán)重，提高系統(tǒng)的跟蹤性能。
　　 4、多傳感器目標(biāo)跟蹤系統(tǒng)中信息增量最大化只是傳感器資源對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分配的必要條件而非充分條件。本文綜合考慮影響傳感器資源對(duì)目標(biāo)分配的因素，