復(fù)雜干擾環(huán)境下被動(dòng)傳感器目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)算法研究.pdf

1、本文研究了在復(fù)雜干擾環(huán)境下，多站純方位無源探測系統(tǒng)的目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)算法。這里的復(fù)雜干擾環(huán)境是指由于目標(biāo)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(guān)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(guān)聯(lián)實(shí)時(shí)性低等一些問題，而在復(fù)雜的干擾環(huán)境下，如何解決量測丟失，噪聲相關(guān)，雜波率高等問題，對傳感器數(shù)據(jù)進(jìn)行關(guān)聯(lián)并進(jìn)行有效定位跟蹤，是本文的重點(diǎn)。
　　本文針對復(fù)雜干擾環(huán)境下，傳感器由于量測缺失無法對目標(biāo)進(jìn)行準(zhǔn)確

2、定位，導(dǎo)致濾波發(fā)散的問題，利用隨機(jī)過程理論來描述這一現(xiàn)象，同時(shí)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(zhuǎn)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(shí)還考慮了量測丟失的情況，使得算法能夠應(yīng)用于更加實(shí)際的場景。傳統(tǒng)的轉(zhuǎn)換量測的卡爾曼算法利用被動(dòng)傳感器的角度信息解算出目標(biāo)的位置后，丟棄了偽測量的噪聲相關(guān)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(guān)算法，將偽觀測的噪聲進(jìn)行特征

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