復雜干擾環(huán)境下被動傳感器目標跟蹤與數(shù)據(jù)關聯(lián)算法研究.pdf

1、本文研究了在復雜干擾環(huán)境下，多站純方位無源探測系統(tǒng)的目標跟蹤與數(shù)據(jù)關聯(lián)算法。這里的復雜干擾環(huán)境是指由于目標密集、雜波率高、傳感器漏檢等引起的量測信息不完整，噪聲相關等問題。多站純方位無源探測系統(tǒng)本身面臨著量測信息非線性，數(shù)據(jù)關聯(lián)實時性低等一些問題，而在復雜的干擾環(huán)境下，如何解決量測丟失，噪聲相關，雜波率高等問題，對傳感器數(shù)據(jù)進行關聯(lián)并進行有效定位跟蹤，是本文的重點。
　　本文針對復雜干擾環(huán)境下，傳感器由于量測缺失無法對目標進行準確

2、定位，導致濾波發(fā)散的問題，利用隨機過程理論來描述這一現(xiàn)象，同時針對多站純方位系統(tǒng)量測信息高度非線性的問題，提出了一種不完全量測下的轉換量測的卡爾曼濾波算法。該算法在解決量測非線性問題的同時還考慮了量測丟失的情況，使得算法能夠應用于更加實際的場景。傳統(tǒng)的轉換量測的卡爾曼算法利用被動傳感器的角度信息解算出目標的位置后，丟棄了偽測量的噪聲相關信息，使得算法的跟蹤精度降低，本文提出了一種基于特征值分解的觀測噪聲解相關算法，將偽觀測的噪聲進行特征

3、值分解，獲得新的噪聲無關的偽測量方程，提高算法跟蹤精度的同時保證了算法的實時性。多維分配算法是一種有效的基于無源定位的多目標數(shù)據(jù)關聯(lián)算法，其中代價函數(shù)描述了不同量測劃分相對于目標真實位置的概率分布，目標真實位置通過最小二乘算法近似獲得。傳統(tǒng)的代價函數(shù)只考慮了觀測噪聲，本文提出了一種改進的代價函數(shù)，引入最小二乘算法估計目標位置所帶來的誤差，可以更為準確地反映量測相對于目標的概率分布，提高關聯(lián)精度。在此基礎上，針對被動傳感器數(shù)據(jù)互聯(lián)的實時性