空中單機(jī)動目標(biāo)跟蹤算法的研究.pdf

1、針對空中單機(jī)動目標(biāo)跟蹤問題，本文從機(jī)動目標(biāo)模型研究入手，在貝葉斯估計框架下按照從線性濾波方法到非線性濾波方法、從單模型跟蹤算法到多模型跟蹤算法的順序，層層深入，逐步研究，完成了以下研究工作:
　　1借鑒對機(jī)動頻率建模的思想，提出了1種改進(jìn)的截斷正態(tài)概率密度模型(ICN模型)，并通過MonteCarlo仿真將該模型與常用的“當(dāng)前”統(tǒng)計模型進(jìn)行了比較研究。研究結(jié)果表明，基于改進(jìn)截斷正態(tài)概率密度模型的跟蹤算法(ICN-KF算法)具有更好

2、的跟蹤精度。
　　2基于ICN模型，在線性濾波條件下提出了2種跟蹤算法。第1種，基于模糊神經(jīng)網(wǎng)絡(luò)信息融合的卡爾曼濾波(FAnn-KF)算法;第2種，S(k)多尺度卡爾曼濾波(S(k)-MKF)算法。通過MonteCarlo仿真驗證了相對于基本卡爾曼濾波算法，以上2種算法具有有效性和優(yōu)越性。
　　3在非線性濾波條件下，在基本無跡卡爾曼濾波的基礎(chǔ)上，借鑒線性濾波中卡爾曼濾波器的S修正思想，提出S修正無跡卡爾曼濾波(SUKF)算法

3、，并通過MonteCarlo仿真將其與其它2種非線性濾波算法——基本UKF、Sigma點粒子濾波(SPPF)，進(jìn)行了對比研究，驗證了該算法的有效性和優(yōu)越性。
　　4采用自適應(yīng)網(wǎng)格模型集自適應(yīng)策略，按照直角坐標(biāo)觀測和極坐標(biāo)觀測2種情況，以前面的濾波算法為基礎(chǔ)，提出了2種變結(jié)構(gòu)多模型算法。第1種，在線性觀測條件下，設(shè)計了基于S修正卡爾曼濾波的自適應(yīng)網(wǎng)格模糊交互多模型(AG-FIMM-SKF)算法;第2種，在非線性觀測條件下，設(shè)計了基于