基于FCM的雷達多目標航跡相關.pdf

1、近年來模糊聚類分析方法已經(jīng)在諸多領域獲得了廣泛的應用，并取得了滿意的工程效果。其應用范圍涉及模式識別、圖像處理、水質分析等諸多領域。
　　 在雷達進行多目標跟蹤濾波時，數(shù)據(jù)關聯(lián)是擬要解決的關鍵技術之一。在密集目標環(huán)境和交叉機動航跡較多的情況下，傳統(tǒng)的航跡關聯(lián)方法關聯(lián)正確率降低。在此本文詳細討論模糊聚類分析方法在雷達多目標航跡關聯(lián)的應用。本文采用模糊c-均值算法進行數(shù)據(jù)關聯(lián)，從而實現(xiàn)對多目標的數(shù)據(jù)關聯(lián)和精確跟蹤，并給出了仿真實驗結

2、果，證明該方法的有效性。本文的研究課題來源于交通部基礎研究科技項目“航海雷達中頻信號數(shù)字處理方法的研究”，本文主要完成其中的雷達目標跟蹤處理研究內容。
　　 本文主要工作如下：
　　 首先闡述了關于數(shù)據(jù)關聯(lián)的基本概念和理論，相關波門設置，雷達點跡與航跡關聯(lián)流程，卡爾曼濾波算法等。討論了幾種經(jīng)典的數(shù)據(jù)關聯(lián)算法：航跡分叉法、最鄰近數(shù)據(jù)關聯(lián)算法、概率數(shù)據(jù)關聯(lián)算法與聯(lián)合概率數(shù)據(jù)關聯(lián)算法等，并給出了適用的環(huán)境和性能分析。
　

3、　 其次分析了模糊c-均值聚類算法(FCM)的基本原理，將模糊分類的特點引入到目標跟蹤系統(tǒng)中，在已知目標數(shù)情況下，計算測量點跡與目標預測位置之間的隸屬度，然后結合Kalman濾波將隸屬度作為權值系數(shù)對預測新息向量進行加權，來實現(xiàn)目標狀態(tài)估計的更新。仿真結果表明在雜波密度高且目標密集的情況下，模糊聚類算法有它一定的優(yōu)越性，計算量不大，并能保證多目標跟蹤的可靠性。
　　 最后對FCM算法提出兩點改進，將雜波作為邊緣(c+1)類，更