基于小波模糊神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤技術(shù)無(wú)論在國(guó)防建設(shè)還是在促進(jìn)民生發(fā)展方面都取得令人矚目的成績(jī)，并具有繼續(xù)探索的價(jià)值。所謂目標(biāo)跟蹤技術(shù)就是利用各型傳感器獲取指定目標(biāo)的量測(cè)信息，通過(guò)目標(biāo)運(yùn)動(dòng)模型和濾波器完成對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)(姿態(tài)角、速度、位置、加速度等)的預(yù)測(cè)。隨著現(xiàn)代航天航空業(yè)的蓬勃發(fā)展，飛行器運(yùn)動(dòng)的復(fù)雜性變得越來(lái)越高，因此對(duì)雷達(dá)系統(tǒng)中的目標(biāo)跟蹤算法也提出更高的要求。超大規(guī)模集成電路的工藝水平和微電子技術(shù)的快速發(fā)展為目標(biāo)跟蹤技術(shù)的發(fā)展鋪平了道路，因此對(duì)目標(biāo)跟蹤算法

2、繼續(xù)進(jìn)行深入的理論研究具有深遠(yuǎn)的現(xiàn)實(shí)意義。
　　本文基于雷達(dá)目標(biāo)跟蹤為背景開(kāi)展單目標(biāo)跟蹤技術(shù)的研究，著重研究了目標(biāo)跟蹤中幾種非線性濾波的適用條件和性能、IMM算法及其改進(jìn)算法。
　　首先，本文研究了EKF、UKF及CKF算法的建模原理，提出非線性濾波中量測(cè)值不確定性問(wèn)題，為提出基于小波變換的目標(biāo)跟蹤算法做鋪墊，詳細(xì)闡述各濾波算法中采用何種近似思想對(duì)非線性函數(shù)中的狀態(tài)量進(jìn)行估計(jì)，最終以邊掃描邊跟蹤雷達(dá)系統(tǒng)為背景，利用 Matl

3、ab仿真軟件系統(tǒng)地分析與總結(jié)以上非線性濾波的性能特點(diǎn)和適用范圍。針對(duì)非線性濾波中量測(cè)值含有不確定性噪聲的問(wèn)題，利用小波理論的多分辨能力和低通濾波特點(diǎn)，提出基于小波變換的交互式多模型算法即W-IMM算法。該算法對(duì)閾值函數(shù)進(jìn)行了改進(jìn)，解決了不確定性噪聲對(duì)跟蹤精度產(chǎn)生較大負(fù)面影響的問(wèn)題，通過(guò)仿真實(shí)驗(yàn)證明其降噪效果良好，有效地提高交互式多模型算法的跟蹤性能。
　　其次，本文對(duì)性能優(yōu)良的IMM算法進(jìn)行改進(jìn)。模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)理論均具有獨(dú)

4、特的數(shù)據(jù)處理能力，這些理論運(yùn)行時(shí)穩(wěn)定且高效，逐漸被目標(biāo)跟蹤領(lǐng)域的學(xué)者所關(guān)注。模糊理論善于利用先驗(yàn)知識(shí)分析不確定問(wèn)題，并將人類(lèi)思維方式注入整個(gè)系統(tǒng)中。神經(jīng)網(wǎng)絡(luò)是一種具有較強(qiáng)自適應(yīng)能力和容錯(cuò)性的網(wǎng)絡(luò)系統(tǒng)，它對(duì)非線性函數(shù)具有較強(qiáng)的預(yù)測(cè)能力。本文對(duì)這些智能算法的功能和特點(diǎn)進(jìn)行詳盡的分析，針對(duì)W-IMM算法中小波降噪導(dǎo)致的不穩(wěn)定性，以及馬爾科夫矩陣無(wú)法自適應(yīng)的缺陷，模型概率更新部分矩陣計(jì)算過(guò)于復(fù)雜，提出了一種基于小波模糊神經(jīng)網(wǎng)絡(luò)的IMM算法(WF