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

1、目標跟蹤技術(shù)無論在國防建設(shè)還是在促進民生發(fā)展方面都取得令人矚目的成績，并具有繼續(xù)探索的價值。所謂目標跟蹤技術(shù)就是利用各型傳感器獲取指定目標的量測信息，通過目標運動模型和濾波器完成對目標運動狀態(tài)(姿態(tài)角、速度、位置、加速度等)的預(yù)測。隨著現(xiàn)代航天航空業(yè)的蓬勃發(fā)展，飛行器運動的復(fù)雜性變得越來越高，因此對雷達系統(tǒng)中的目標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)展為目標跟蹤技術(shù)的發(fā)展鋪平了道路，因此對目標跟蹤算法

2、繼續(xù)進行深入的理論研究具有深遠的現(xiàn)實意義。
　　本文基于雷達目標跟蹤為背景開展單目標跟蹤技術(shù)的研究，著重研究了目標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值不確定性問題，為提出基于小波變換的目標跟蹤算法做鋪墊，詳細闡述各濾波算法中采用何種近似思想對非線性函數(shù)中的狀態(tài)量進行估計，最終以邊掃描邊跟蹤雷達系統(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和適用范圍。針對非線性濾波中量測值含有不確定性噪聲的問題，利用小波理論的多分辨能力和低通濾波特點，提出基于小波變換的交互式多模型算法即W-IMM算法。該算法對閾值函數(shù)進行了改進，解決了不確定性噪聲對跟蹤精度產(chǎn)生較大負面影響的問題，通過仿真實驗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，本文對性能優(yōu)良的IMM算法進行改進。模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)理論均具有獨

4、特的數(shù)據(jù)處理能力，這些理論運行時穩(wěn)定且高效，逐漸被目標跟蹤領(lǐng)域的學者所關(guān)注。模糊理論善于利用先驗知識分析不確定問題，并將人類思維方式注入整個系統(tǒng)中。神經(jīng)網(wǎng)絡(luò)是一種具有較強自適應(yīng)能力和容錯性的網(wǎng)絡(luò)系統(tǒng)，它對非線性函數(shù)具有較強的預(yù)測能力。本文對這些智能算法的功能和特點進行詳盡的分析，針對W-IMM算法中小波降噪導致的不穩(wěn)定性，以及馬爾科夫矩陣無法自適應(yīng)的缺陷，模型概率更新部分矩陣計算過于復(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