機(jī)載多傳感器多目標(biāo)航跡關(guān)聯(lián)與融合技術(shù)研究.pdf

1、多傳感器多目標(biāo)融合跟蹤技術(shù)將數(shù)據(jù)融合技術(shù)運(yùn)用于目標(biāo)跟蹤領(lǐng)域，解決了軍事和民用中的諸多問(wèn)題，具備廣闊的應(yīng)用前景和巨大的科研價(jià)值。其中，高密集度機(jī)動(dòng)目標(biāo)跟蹤是該領(lǐng)域的一個(gè)重點(diǎn)和難點(diǎn)問(wèn)題。本論文基于機(jī)載平臺(tái)，探討多傳感器多目標(biāo)融合跟蹤領(lǐng)域的數(shù)據(jù)預(yù)處理、航跡跟蹤、航跡關(guān)聯(lián)和融合各項(xiàng)關(guān)鍵技術(shù)，最后從系統(tǒng)高度研究數(shù)據(jù)融合系統(tǒng)仿真平臺(tái)。本論文的研究重點(diǎn)在于融合跟蹤系統(tǒng)中的航跡關(guān)聯(lián)與融合技術(shù)，提出了一些關(guān)于航跡關(guān)聯(lián)與融合的有效新方法，設(shè)計(jì)并實(shí)現(xiàn)具有一定

2、適應(yīng)性和擴(kuò)展性的數(shù)據(jù)融合系統(tǒng)仿真平臺(tái)。本文的工作與創(chuàng)新點(diǎn)如下：
　?。?）預(yù)處理與航跡濾波方法。首先，詳細(xì)探討野值剔除、數(shù)據(jù)配準(zhǔn)等數(shù)據(jù)預(yù)處理技術(shù)；然后，介紹了局部節(jié)點(diǎn)目標(biāo)跟蹤技術(shù)，通過(guò)跟蹤三種典型航跡，比較了幾種常用的自適應(yīng)機(jī)動(dòng)目標(biāo)跟蹤算法的性能。
　?。?）傳感器航跡關(guān)聯(lián)問(wèn)題。機(jī)載雷達(dá)與紅外傳感器相關(guān)問(wèn)題，是多傳感器數(shù)據(jù)融合中的一個(gè)重要課題?，F(xiàn)有算法僅利用方位信息，采樣極大似然準(zhǔn)則進(jìn)行航跡關(guān)聯(lián)，不僅性能欠佳，而且算法不易收

3、斂。本文基于統(tǒng)計(jì)和模糊數(shù)學(xué)理論，綜合利用方位和俯仰信息，優(yōu)化相關(guān)判別準(zhǔn)則，給出一種機(jī)載雷達(dá)與紅外傳感器航跡關(guān)聯(lián)算法，提高了航跡關(guān)聯(lián)率。
　?。?）航跡融合算法。如何確定最優(yōu)加權(quán)因子是加權(quán)航跡融合算法中一個(gè)值得深入研究的問(wèn)題。通過(guò)構(gòu)造多模型航跡質(zhì)量(Track Quality based on Multiple Model，TQMM)這個(gè)量值，給出一種帶信息反饋的加權(quán)航跡融合算法，來(lái)解決多傳感器對(duì)同一目標(biāo)進(jìn)行跟蹤時(shí)權(quán)值的最優(yōu)分配問(wèn)題

4、。系統(tǒng)引入反饋機(jī)制，利用多模型航跡質(zhì)量確定權(quán)值，能夠精確地更新權(quán)值，從而實(shí)時(shí)有效地進(jìn)行目標(biāo)跟蹤。仿真結(jié)果表明，與經(jīng)典的加權(quán)融合算法相比，基于TQMM的加權(quán)融合算法具有更好的跟蹤性能，特別是在融合系統(tǒng)傳感器觀測(cè)精度相差較大的情況下，算法的跟蹤效果更為突出。并且，隨著傳感器數(shù)目的增加，系統(tǒng)的跟蹤精度逐步提高，不過(guò)當(dāng)傳感器增加到一定數(shù)目時(shí)，系統(tǒng)的融合精度并沒(méi)有得到明顯改善。
　?。?）航跡融合算法。由于多傳感器的采樣速率各異、通信延遲以

5、及目標(biāo)時(shí)而離開(kāi)傳感器觀測(cè)區(qū)域，觀測(cè)數(shù)據(jù)的時(shí)間間隔隨機(jī)變化，此類觀測(cè)數(shù)據(jù)不同步問(wèn)題大大降低了多傳感器系統(tǒng)的跟蹤精度。因此，研究多傳感器異步融合比研究同步數(shù)據(jù)融合更具實(shí)際意義。通過(guò)建立觀測(cè)數(shù)據(jù)時(shí)間間隔無(wú)規(guī)律變化情況下的異步航跡融合模型，并基于多模型航跡質(zhì)量(TQMM)的概念，給出一種帶信息反饋的分布式異步航跡融合算法，將TQMM用于權(quán)值分配，提高了異步融合系統(tǒng)的性能。實(shí)驗(yàn)結(jié)果表明，基于 TQMM的異步融合算法的性能比現(xiàn)有經(jīng)典異步融合算法更好