分布式多傳感器多目標(biāo)跟蹤融合系統(tǒng)的分析與仿真.pdf

1、多傳感器組網(wǎng)的分布式結(jié)構(gòu)與集中式結(jié)構(gòu)相比，可減少數(shù)據(jù)總線的帶寬與數(shù)據(jù)處理的要求；同時(shí)易于現(xiàn)有的分散式多傳感器系統(tǒng)的改造。因此，在設(shè)計(jì)新系統(tǒng)時(shí)，分布式多傳感器組網(wǎng)已經(jīng)成為優(yōu)先選用的方案。本文具體分析了一種分布式多傳感器組網(wǎng)目標(biāo)跟蹤融合系統(tǒng)，研究了數(shù)據(jù)關(guān)聯(lián)濾波算法以及航跡關(guān)聯(lián)融合算法等關(guān)鍵算法在該系統(tǒng)中的具體應(yīng)用方案，并仿真比較了該系統(tǒng)在不同噪聲水平、不同數(shù)據(jù)關(guān)聯(lián)濾波方法以及不同航跡關(guān)聯(lián)融合方法下的性能差異。 系統(tǒng)分析中，首先模擬產(chǎn)

2、生雷達(dá)傳感器的檢測(cè)數(shù)據(jù)，包括動(dòng)目標(biāo)、定目標(biāo)以及雜波產(chǎn)生的假目標(biāo)點(diǎn)跡；然后預(yù)處理檢測(cè)數(shù)據(jù)，盡可能地去除定目標(biāo)與假目標(biāo)點(diǎn)跡，保留動(dòng)目標(biāo)與可疑點(diǎn)跡；再利用數(shù)據(jù)關(guān)聯(lián)與濾波算法關(guān)聯(lián)保留點(diǎn)跡，并濾波形成局部航跡；進(jìn)一步通過坐標(biāo)變換與時(shí)間維插值完成空間與時(shí)間對(duì)準(zhǔn)；最后應(yīng)用航跡關(guān)聯(lián)與融合算法關(guān)聯(lián)局部航跡，融合形成全局航跡。 算法研究中，提出了一種將聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法的確認(rèn)矩陣拆分為互聯(lián)矩陣的分層樹算法，并進(jìn)行了優(yōu)化，得到優(yōu)化分層樹算法；簡化了

3、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法，提出雙概率優(yōu)選數(shù)據(jù)關(guān)聯(lián)算法；推廣了線性卡爾曼濾波算法，導(dǎo)出雷達(dá)混合坐標(biāo)系下的擴(kuò)展卡爾曼濾波算法；綜合模糊雙門限關(guān)聯(lián)與模糊關(guān)聯(lián)函數(shù)，推廣了模糊雙門限關(guān)聯(lián)算法，使其適合多節(jié)點(diǎn)航跡間的融合。 系統(tǒng)仿真表明，雙概率優(yōu)選數(shù)據(jù)關(guān)聯(lián)算法遠(yuǎn)比最近鄰算法有效；擴(kuò)展卡爾曼濾波算法適合于雷達(dá)傳感器組網(wǎng)中的目標(biāo)跟蹤；推廣后的模糊雙門限關(guān)聯(lián)算法計(jì)算量小，可融合多節(jié)點(diǎn)間的航跡，同時(shí)可簡單地進(jìn)行模糊融合。同時(shí)，該分布式多傳感器組網(wǎng)系統(tǒng)作