天基紅外傳感器對中段目標(biāo)群跟蹤技術(shù)研究.pdf

1、天基紅外傳感器系統(tǒng)以其全天候、多譜段、作用范圍廣和觀測距離遠(yuǎn)等優(yōu)勢，在國家導(dǎo)彈防御系統(tǒng)中的地位和作用日益凸顯。作為該系統(tǒng)的未來發(fā)展趨勢，研制和構(gòu)建低軌道衛(wèi)星系統(tǒng)對實(shí)現(xiàn)導(dǎo)彈全生命周期的探測與跟蹤具有重要的前瞻意義。其中，彈道導(dǎo)彈中段的監(jiān)視與跟蹤是系統(tǒng)信息處理的核心任務(wù)，也是引導(dǎo)攔截并實(shí)施精確打擊的關(guān)鍵環(huán)節(jié)。中段釋放大量彈頭和誘餌是彈道導(dǎo)彈實(shí)現(xiàn)突防的常見手段，大量密集目標(biāo)的出現(xiàn)將給天基紅外傳感器信息處理系統(tǒng)帶來嚴(yán)峻挑戰(zhàn)。本研究主要內(nèi)容包括：

2、
　　⑴研究了中段目標(biāo)群空間運(yùn)動特性、紅外輻射特性，以及天基紅外傳感器探測背景和環(huán)境，梳理了紅外傳感器成像過程中的關(guān)鍵因素和模型，利用衛(wèi)星工具軟件（Satellite Tool Kit，STK）構(gòu)建了“中等逼真度”的監(jiān)視跟蹤場景，深入分析了目標(biāo)群像平面運(yùn)動特性和產(chǎn)生的量測特性，闡明了空間鄰近目標(biāo)（Closely Spaced Objects，CSOs）和斑狀融合量測對跟蹤處理的影響，建立了一種結(jié)合CSOs超分辨技術(shù)的目標(biāo)群跟蹤處理

3、流程。此外，構(gòu)建的仿真場景為后續(xù)章節(jié)的理論研究提供實(shí)驗(yàn)數(shù)據(jù)。
　?、蒲芯苛穗s波和低檢測概率條件下，聯(lián)合估計(jì)CSOs質(zhì)心運(yùn)動狀態(tài)和擴(kuò)散范圍的群跟蹤濾波方法，從而將密集程度不均勻且不斷分裂融合變化的目標(biāo)群劃分為多個小群體，實(shí)現(xiàn)連續(xù)穩(wěn)定跟蹤。首先從貝葉斯原理出發(fā)，深入分析了基于點(diǎn)目標(biāo)假設(shè)的多目標(biāo)跟蹤方法和編隊(duì)群跟蹤方法解決中段目標(biāo)群問題的局限性，以擴(kuò)展目標(biāo)（Extended Targets，ET）和質(zhì)心群跟蹤的本質(zhì)聯(lián)系為紐帶，建立了基于

4、擴(kuò)展目標(biāo)概率假設(shè)密度（Probability Hypothesis Density，PHD）濾波理論的目標(biāo)群跟蹤濾波框架。在該框架下，針對距離劃分方法難以實(shí)現(xiàn)紅外量測數(shù)據(jù)的準(zhǔn)確劃分問題，建立了一種利用像元幅度信息的量測劃分方法，該方法可以在目標(biāo)群密集時(shí)區(qū)分由不同CSOs組合產(chǎn)生的斑狀融合量測，有利于盡早確定目標(biāo)群規(guī)模。接著，為了解決不斷分裂融合變化的CSOs質(zhì)心運(yùn)動狀態(tài)和擴(kuò)散范圍的聯(lián)合估計(jì)問題，提出了兩種跟蹤濾波算法，即基于橢圓隨機(jī)超曲

5、面模型的高斯混合PHD濾波器和多模型高斯逆Wishart PHD濾波器。前者在隨機(jī)向量的狀態(tài)描述形式下，將隨機(jī)超曲面模型（Random Hypersurface Models，RHMs）與擴(kuò)展目標(biāo)GM-ET-PHD相結(jié)合，彌補(bǔ)了GM-ET-PHD無形狀估計(jì)的缺陷；后者則基于隨機(jī)矩陣的描述形式，修正了原GIW-PHD的量測模型和假設(shè)，并結(jié)合多種形變模型，提升了濾波器對形變目標(biāo)的適應(yīng)能力。兩種濾波算法的有效性及其狀態(tài)估計(jì)性能在不同雜波率和目

6、標(biāo)群運(yùn)動變化特性場景下進(jìn)行了仿真驗(yàn)證。最后，對比分析了橢圓 RHMs和隨機(jī)矩陣兩類量測模型各自的適用范圍及對濾波器形狀估計(jì)產(chǎn)生的影響。
　　⑶研究了CSOs單幀超分辨技術(shù)和目標(biāo)群軌跡關(guān)聯(lián)與管理方法，在穩(wěn)定跟蹤的基礎(chǔ)上實(shí)現(xiàn)對目標(biāo)個體的精確跟蹤，從而完成從群整體到目標(biāo)個體跟蹤的轉(zhuǎn)變。首先，分析了已有CSOs超分辨技術(shù)的基本原理和性能，闡明了稀疏重構(gòu)理論對CSOs分辨處理的可行性，通過像元網(wǎng)格采樣建立了CSOs成像模型的稀疏表示形式，并

7、提出了一種啟發(fā)式的稀疏度過估計(jì)處理方法。仿真結(jié)果表明，該算法在低信噪比條件下仍具有良好的超分辨性能，具有多目標(biāo)分辨能力，且計(jì)算耗時(shí)少，易于實(shí)際應(yīng)用。此外，提出了一個判斷CSOs超分辨處理時(shí)機(jī)的指標(biāo)。最后，提出了一種基于迭代分配的航跡關(guān)聯(lián)與管理方法，該方法結(jié)合了“軟/硬”關(guān)聯(lián)準(zhǔn)則的性能優(yōu)勢，在目標(biāo)群密集時(shí)，采用“一對一”關(guān)聯(lián)快速起始并維持CSOs軌跡；當(dāng)滿足超分辨處理?xiàng)l件后，通過迭代分配實(shí)現(xiàn)未分辨估計(jì)和過估計(jì)的“一對多/多對一”關(guān)聯(lián)，并建