高速高機(jī)動目標(biāo)主被動聯(lián)合跟蹤算法研究碩士學(xué)位

1、<p>　　學(xué) 位 論 文</p><p>　　高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤算法研究</p><p>　　申請學(xué)位級別 碩士 專業(yè)名稱 導(dǎo)航、制導(dǎo)與控制 </p><p>　　學(xué)位授予單位和日期 南 京 理 工 大 學(xué) </p><p>　

2、　答辯委員會主席 </p><p>　　評閱人 </p><p>　　注1：注明《國際十進(jìn)分類法UDC》的類號。 </p><p><b>　　聲 明</b></p><p>　　本學(xué)位論文是我在導(dǎo)師的指導(dǎo)下取得的研究成果，盡我所知，在本學(xué)位論文中，除了加

3、以標(biāo)注和致謝的部分外，不包含其他人已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得任何教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。與我一同工作的同事對本學(xué)位論文做出的貢獻(xiàn)均已在論文中作了明確的說明。</p><p>　　研究生簽名： 年 月 日 </p><p>　　學(xué)位論文使用授權(quán)聲明</p><p>　　南京理工大學(xué)有權(quán)保

4、存本學(xué)位論文的電子和紙質(zhì)文檔，可以借閱或上網(wǎng)公布本學(xué)位論文的部分或全部內(nèi)容，可以向有關(guān)部門或機(jī)構(gòu)送交并授權(quán)其保存、借閱或上網(wǎng)公布本學(xué)位論文的部分或全部內(nèi)容。對于保密論文，按保密的有關(guān)規(guī)定和程序處理。</p><p>　　研究生簽名： 年 月 日 </p><p><b>　　摘 要</b></p>

5、<p>　　主/被動聯(lián)合跟蹤是多傳感器聯(lián)合跟蹤技術(shù)的一個重要部分，它能實現(xiàn)主動傳感器和被動傳感器的數(shù)據(jù)互補(bǔ)，改善對目標(biāo)的跟蹤精度，提高系統(tǒng)的生存能力。本文研究的主/被動協(xié)同跟蹤是主/被動聯(lián)合跟蹤的分支，它能夠使跟蹤系統(tǒng)在滿足跟蹤精度要求的同時又具備良好的隱蔽性，這在戰(zhàn)場環(huán)境愈發(fā)復(fù)雜的當(dāng)代，具有很重要的軍事意義，因而引起了廣泛的關(guān)注?；谶@樣的背景，本文從相關(guān)波門、時間配準(zhǔn)、數(shù)據(jù)融合、非線性濾波算法這四個方面對主/被動聯(lián)合跟蹤

6、進(jìn)行了研究和算法改進(jìn)。</p><p>　　首先，本文結(jié)合了相關(guān)波門的知識，提出了一種跟蹤系統(tǒng)性能評價方法，因為對于主/被動協(xié)同跟蹤系統(tǒng)來說，如何實現(xiàn)兩種工作模式的轉(zhuǎn)換，盡可能減少主動傳感器開機(jī)時間，是十分重要的。并且通過比較，對高機(jī)動目標(biāo)，得出了使用“當(dāng)前”統(tǒng)計模型時，接收正確回波的概率和關(guān)聯(lián)區(qū)域大小有更好的穩(wěn)定性。</p><p>　　其次，由于主動傳感器和被動傳感器的采樣周期不同，將

7、不同采樣時刻的數(shù)據(jù)直接用于目標(biāo)定位，將會帶來很大的誤差。針對這種情況，本文采用了虛擬融合法對數(shù)據(jù)實行配準(zhǔn)，從而提高目標(biāo)定位的精度。</p><p>　　然后，介紹了幾種數(shù)據(jù)融合結(jié)構(gòu)及算法，通過比較，選擇了有反饋的分布式融合結(jié)構(gòu)，可以實現(xiàn)主動傳感器和被動傳感器的有機(jī)互補(bǔ)，而且能夠提高局部傳感器的跟蹤精度。因此，對于主/被動協(xié)同跟蹤系統(tǒng)，這種方法很有意義，本文將其應(yīng)用在主/被動協(xié)同跟蹤系統(tǒng)中，對系統(tǒng)進(jìn)行了改進(jìn)。<

8、;/p><p>　　接著，對幾種非線性濾波算法進(jìn)行研究和比較，選擇了不敏卡爾曼濾波算法，并將其應(yīng)用在主/被動協(xié)同跟蹤系統(tǒng)中，對系統(tǒng)進(jìn)行改進(jìn)，通過理論論證和數(shù)字仿真，證實了算法的有效性。</p><p>　　最后對虛擬航路進(jìn)行了仿真，通過實例驗證了相關(guān)波門、時間配準(zhǔn)算法、有反饋的分布式融合結(jié)構(gòu)、及改進(jìn)的主/被動協(xié)同跟蹤算法的有效性，為工程應(yīng)用提供了有益的參考。</p><p&

9、gt;　　關(guān)鍵詞：主/被動聯(lián)合，協(xié)同跟蹤，相關(guān)波門，時間配準(zhǔn)，數(shù)據(jù)融合，不敏卡爾曼濾</p><p><b>　　Abstract</b></p><p>　　Active-passive joint tracking is an important part of target tracking on fusion of multi-sensor. It can a

10、chieve that the data of active sensor and passive sensor complement each other to improve the tracking accuracy and the system’s viability. The active-passive synergistic tracking discussed in this paper is a branch of a

11、ctive-passive joint tracking. It can meet the need of the good tracking accuracy and the good concealment at the same time, which has very important military significance and </p><p>　　First, the paper bring

12、s a tracking system’s performance evaluation with the knowledge of correlated gating, because for the active-passive synergistic tacking system, how to achieve the transformation between two modes, and minimize the boot

13、time of active sensor, is very important. Then by comparison, for highly maneuvering target, the paper educes with “current” model, the probability of receiving right echo and the size of associated area have better stab

14、ility.</p><p>　　Second, active sensor and passive sensor have different sampling periods, so if the data of different sampling times is used directly for targeting, it will lead to large errors. To avoid thi

15、s possibility, the paper uses virtual combination method to implement the registration of data.</p><p>　　Third, several data fusion structures and algorithms are introduced. By comparison, a distributed fusi

16、on structure with feedback is chosen, which can achieve the data of active sensor and passive sensor complement each other and enhance the accuracy of target tracking. So, the method is useful for synergistic tracking sy

17、stem. The paper applies this method of data fusion in synergistic tracking system to improve its performance.</p><p>　　Then, several non-linear filtering algorithms are studied and compared. The unscented ka

18、lman filter is chosen by comparison, and is applied in the active-passive synergistic tracking system to improve its performance. With theoretical arguments and several simulations, the validity of the improved algorithm

19、 is approved.</p><p>　　Finally, With the simulation of the virtual route, the techniques of correlated gating , time registration, distributed fusion structure with feedback, and improved active-passive syne

20、rgistic tracking algorithm is effective, and provide a useful reference to engineering application.</p><p>　　Key word: active-passive joint, synergistic tracking, correlated gating, time registration, data f

21、usion, the unscented kalman filter</p><p><b>　　目 錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractIII</p><p><b>　　1 緒論1</b></p&

22、gt;<p>　　1.1 研究背景及意義1</p><p>　　1.2 國內(nèi)外研究概況1</p><p>　　1.2.1 非線性濾波理論研究概況1</p><p>　　1.2.2 多傳感器數(shù)據(jù)融合技術(shù)研究概況3</p><p>　　1.2.3 主/被動聯(lián)合跟蹤研究概況4</p><p>　　1.

23、3 本文的主要工作及安排5</p><p>　　1.3.1 研究內(nèi)容5</p><p>　　1.3.2 論文結(jié)構(gòu)安排6</p><p>　　2 主/被動聯(lián)合跟蹤方法研究9</p><p><b>　　2.1 概述9</b></p><p>　　2.2 主動跟蹤與被動跟蹤技術(shù)9</

24、p><p>　　2.2.1 被動定向跟蹤10</p><p>　　2.2.2 被動定位跟蹤10</p><p>　　2.2.3 被動跟蹤的可觀測性13</p><p>　　2.3 主/被動聯(lián)合跟蹤的定位13</p><p>　　2.3.1 跟蹤系統(tǒng)結(jié)構(gòu)及工作原理13</p><p>　　2

25、.3.2 跟蹤性能評估14</p><p>　　2.3.3 異步數(shù)據(jù)的時間配準(zhǔn)18</p><p>　　2.3.4 數(shù)據(jù)融合20</p><p>　　2.3.5 無反饋與有反饋性能仿真比較24</p><p>　　2.4 主/被動協(xié)同跟蹤系統(tǒng)27</p><p>　　2.5 本章小結(jié)30</p>

26、<p>　　3 非線性濾波算法研究31</p><p><b>　　3.1 概述31</b></p><p>　　3.2 測量坐標(biāo)系的選擇31</p><p>　　3.3 幾種典型的非線性濾波33</p><p>　　3.3.1 經(jīng)典線性濾波器—卡爾曼濾波33</p><p&g

27、t;　　3.3.2 擴(kuò)展卡爾曼濾波33</p><p>　　3.3.3 不敏卡爾曼濾波35</p><p>　　3.3.4 仿真比較37</p><p>　　3.4 基于“當(dāng)前”統(tǒng)計模型的濾波算法38</p><p>　　3.4.1 Singer模型39</p><p>　　3.4.2 “當(dāng)前”統(tǒng)計模型39

28、</p><p>　　3.4.3 相關(guān)波門的研究42</p><p>　　3.4.4仿真實驗43</p><p>　　3.5 本章小結(jié)47</p><p>　　4 高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤49</p><p>　　4.1 仿真環(huán)境50</p><p>　　4.2 仿真結(jié)果及分析

29、50</p><p>　　4.4.1 異步數(shù)據(jù)時間配準(zhǔn)仿真50</p><p>　　4.4.2 主/被動傳感器數(shù)據(jù)融合仿真52</p><p>　　4.4.3 主/被動協(xié)同跟蹤與同時跟蹤仿真54</p><p><b>　　5 結(jié)束語65</b></p><p><b>　　5.

30、1 總結(jié)65</b></p><p><b>　　5.2 展望65</b></p><p><b>　　致 謝67</b></p><p><b>　　參考文獻(xiàn)69</b></p><p><b>　　1 緒論</b></p

31、><p>　　1.1 研究背景及意義</p><p>　　隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，現(xiàn)代戰(zhàn)爭的環(huán)境越來越復(fù)雜，在復(fù)雜環(huán)境下進(jìn)行目標(biāo)跟蹤，由于受傳感器管理及決策的影響，戰(zhàn)場環(huán)境的限制，以及提高生存能力等的要求，多個傳感器均能同時工作的理想條件往往難以實現(xiàn)。因此研究傳感器在這種受限條件下的跟蹤，對實際工程應(yīng)用具有非常重要的意義。</p><p>　　在各種各樣的數(shù)據(jù)融合工程應(yīng)

32、用中，基于數(shù)據(jù)融合理論的主/被動傳感器數(shù)據(jù)融合技術(shù)是精確導(dǎo)航制導(dǎo)領(lǐng)域中的熱門技術(shù)之一。被動跟蹤具有隱蔽性好，不易被敵方發(fā)現(xiàn)的優(yōu)點。但是它也有其自身的不足，具有弱可觀測性等方面的缺點，難以同時滿足跟蹤精度和隱蔽性的要求。若能有機(jī)的聯(lián)合主動跟蹤，勢必會大幅度提高目標(biāo)跟蹤的效果，提高系統(tǒng)的戰(zhàn)場生存率。其中使用比較廣泛的有：ESM(Electronic Support Measurement)與雷達(dá)數(shù)據(jù)融合、紅外與雷達(dá)(或激光)主被動聯(lián)合跟蹤等

33、。就主/被動雷達(dá)數(shù)據(jù)融合來說，一般，兩種雷達(dá)的測量原理和實現(xiàn)結(jié)構(gòu)有很大區(qū)別，導(dǎo)致兩種測量數(shù)據(jù)在數(shù)據(jù)率、噪聲方差等很多性能上不同，在部分性能上具有互補(bǔ)性。如何將兩種數(shù)據(jù)有效地融合起來便成為一個非常現(xiàn)實的問題。文獻(xiàn)[1]中將紅外和雷達(dá)結(jié)合起來，提高了對巡航導(dǎo)彈的跟蹤性能。文獻(xiàn)[2]通過前視紅外傳感器測得的目標(biāo)圖像信息，得到較為準(zhǔn)確的目標(biāo)運動信息，同時將前視紅外傳感器和雷達(dá)的角度測量值進(jìn)行融合，以改善跟蹤性能。</p><

34、p>　　對高速高機(jī)動目標(biāo)的實時穩(wěn)定高效跟蹤，是非線性估計理論研究的一個重要課題，被動跟蹤更是其中的熱點。如何將其應(yīng)用到主/被動聯(lián)合跟蹤系統(tǒng)中，提高我方戰(zhàn)場優(yōu)勢，是一個值得關(guān)注的問題。非線性系統(tǒng)估計問題廣泛存在于飛行器導(dǎo)航，目標(biāo)跟蹤以及工業(yè)控制等領(lǐng)域中，具有重要的理論意義和廣闊的應(yīng)用前景。因此，研究一種高效的高速高機(jī)動目標(biāo)跟蹤算法具有重要的理論和工程實踐意義。</p><p>　　1.2 國內(nèi)外研究概況<

35、;/p><p>　　1.2.1 非線性濾波理論研究概況</p><p>　　機(jī)動目標(biāo)跟蹤在現(xiàn)代軍事領(lǐng)域有著舉足輕重的地位，它關(guān)系到戰(zhàn)場勢態(tài)的評估、決策制定和戰(zhàn)場指揮等各方面。如何根據(jù)目標(biāo)特點選取模型和濾波算法，是目標(biāo)跟蹤問題中的關(guān)鍵。多年來，國內(nèi)外研究提出了許多目標(biāo)模型，比如勻速模型、勻加速模型、Singer模型、“當(dāng)前”統(tǒng)計模型、交互式多模型等，在這些模型下的濾波算法都是線性的。而嚴(yán)格來說，

36、任何一個實際系統(tǒng)都是非線性的，對于一些弱非線性系統(tǒng)來說，將它看作線性系統(tǒng)可能不會有很大的偏差，但是對眾多強(qiáng)非線性系統(tǒng)來說，將它看作線性系統(tǒng)，并對其進(jìn)行線性建模和濾波，將會造成極大地誤差，不能滿足要求。在本文中，由于傳感器的測量值是在極坐標(biāo)下表示的，測量方程在極坐標(biāo)系下是線性的，但是狀態(tài)方程在極坐標(biāo)下是非線性的；而如果要求狀態(tài)方程是線性的，那么必須是在直角坐標(biāo)系下，但是在直角坐標(biāo)下的測量方程卻是非線性的。因此，在各種坐標(biāo)系中，狀態(tài)方程和觀

37、測方程同時是線性的可能性非常小，想要獲得良好的狀態(tài)估計精度很困難的，這就涉及到非線性濾波技術(shù)。許多年以來，大批學(xué)者在此領(lǐng)域不斷地深入地研究，涌現(xiàn)出了大量的研究成果。</p><p>　　1972年Whiteombe首先提出了直角坐標(biāo)系下遞推的偽線性卡爾曼濾波(Pseudo-Linear Kalman Filter,PLKF)算法[3]。然后，Vincent J.Aidala分別在1977和1981年發(fā)表文章[4,

38、5]，對偽線性濾波做了詳細(xì)的理論分析，得出了一些重要的結(jié)論。1978年Allen G.Lindgern對直角坐標(biāo)系下的擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)進(jìn)行了深入的研究[6]，分析了其固有誤差的統(tǒng)計特性。1982年，Vincent J.Aidala特別針對水下平臺運動，提出了修正的極坐標(biāo)下的擴(kuò)展卡爾曼濾波算法[7]，并對其進(jìn)行了理論分析，此后這種方法被大量的研究，并在被動跟蹤中得到了廣泛的應(yīng)用。198

39、1年，Vassilios Petridis提出了一種基于多模型的“濾波-辨識”聯(lián)合算法[8]，該算法中使用了一種使角測量線性化的方法，并在此基礎(chǔ)上發(fā)展了一種多模估計方法，此方法應(yīng)用了貝葉斯估計，濾波和系統(tǒng)辨識能夠同時進(jìn)行。1985年，Taek.L.Song在理論上對修正的極坐標(biāo)下的擴(kuò)展卡爾曼濾波算法進(jìn)行了分析[9]。至此，傳統(tǒng)意</p><p>　　進(jìn)入21世紀(jì)，非線性濾波技術(shù)得到了極大的發(fā)展，其中插值濾波[13

40、]、不敏卡爾曼濾波(Unscented Kalman Filter,UKF)[14]、粒子濾波(Particle Filter,PF)[15]和神經(jīng)網(wǎng)絡(luò)濾波是目前具有代表性的濾波算法。</p><p>　　插值濾波利用Stirling內(nèi)插公式將非線性模型按多項式展開，代替了EKF中的泰勒展開。這種濾波方法不需要對函數(shù)進(jìn)行求導(dǎo)，適應(yīng)于任何函數(shù)，甚至是不連續(xù)且存在奇異點的非線性函數(shù)，其估計精度高于EKF，達(dá)到或超過U

41、KF[13]，而且實現(xiàn)的復(fù)雜性和計算量都很小[16]。與EKF相比，UKF方法直接使用系統(tǒng)的非線性模型，不像EKF那樣需要對非線性系統(tǒng)線性化，也不需要計算Jacobian矩陣，更容易實現(xiàn)。但EKF和UKF都是針對非線性系統(tǒng)的線性卡爾曼濾波方法的方法的變形和改進(jìn)方式，因此受到線性卡爾曼濾波算法的條件限制，即系統(tǒng)狀態(tài)應(yīng)滿足高斯分布，所以，如果系統(tǒng)狀態(tài)的后驗概率密度是非高斯的，那么，將導(dǎo)致濾波性能變差[17]。而粒子濾波是一種解決非線性非高斯

42、問題的有效濾波算法，有著非常廣泛的應(yīng)用。在機(jī)動目標(biāo)跟蹤領(lǐng)域，Gordon將PF應(yīng)用與單站被動純角度目標(biāo)跟蹤問題[18]，得到了優(yōu)于EKF的跟蹤結(jié)果；Hue[19]等把粒子濾波推廣到多目標(biāo)跟蹤和數(shù)據(jù)關(guān)聯(lián)方面；Meginnity[20]等提出機(jī)動目標(biāo)跟蹤的多模型粒子濾波。目前，粒子濾波被大量應(yīng)用在目標(biāo)跟蹤領(lǐng)域。神經(jīng)網(wǎng)絡(luò)方法具有并行計算、自學(xué)習(xí)的特點，而</p><p>　　如何選擇非線性估計算法，必須根據(jù)具體應(yīng)用場合

43、，在估計精度、實現(xiàn)難易程度、數(shù)值穩(wěn)定性及計算量等方面之間綜合考量。傳統(tǒng)的擴(kuò)展卡爾曼濾波算法應(yīng)用最為廣泛，但其原理有缺陷，估計性能有時不能滿足需求。插值濾波算法可以彌補(bǔ)EKF的一些缺陷，是一種很有發(fā)展前途的非線性濾波算法。UKF和PF用非線性變換代替?zhèn)鹘y(tǒng)的線性變換，體現(xiàn)了一種先進(jìn)的思想，這種先進(jìn)思想就是“非線性估計算法應(yīng)更接近系統(tǒng)的非線性本質(zhì)[16]”。我認(rèn)為這種思想代表了非線性估計的發(fā)展方向。此外，神經(jīng)網(wǎng)絡(luò)等人工智能隨著研究的深入也是具

44、有廣闊的應(yīng)用前景的。</p><p>　　1.2.2 多傳感器數(shù)據(jù)融合技術(shù)研究概況</p><p>　　隨著科學(xué)技術(shù)的快速發(fā)展，在現(xiàn)代戰(zhàn)爭中，單個傳感器的測量數(shù)據(jù)已經(jīng)無法滿足需求，必須利用多個傳感器的測量數(shù)據(jù)，對目標(biāo)進(jìn)行狀態(tài)估計、勢態(tài)評估、決策制定等。因此，多傳感器數(shù)據(jù)融合技術(shù)迅速地發(fā)展起來，并在軍事領(lǐng)域得到了廣泛的應(yīng)用。</p><p>　　多傳感器數(shù)據(jù)融合是指對

45、多個傳感器的數(shù)據(jù)進(jìn)行多級別、多層次、多方面的處理，然后產(chǎn)生新的對實際情況更加有用的數(shù)據(jù)，而這種數(shù)據(jù)是單個傳感器無法得到的[21]。在軍事領(lǐng)域，數(shù)據(jù)融合包含許多方面，主要有：多傳感器的檢測判決、多傳感器目標(biāo)識別的屬性融合、多傳感器的目標(biāo)狀態(tài)估計融合、環(huán)境的態(tài)勢描述和威脅估計以及傳感器管理和數(shù)據(jù)庫等[21]。多傳感器數(shù)據(jù)融合完成了檢測到威脅估計這整個處理過程，它不僅對目標(biāo)狀態(tài)和屬性進(jìn)行了估計，而且對整體的態(tài)勢和威脅也進(jìn)行了評估。多傳感器數(shù)據(jù)

46、融合可以擴(kuò)大偵測范圍，提高分辨率和估計精度，增強(qiáng)系統(tǒng)的可靠性，并且可以同時進(jìn)行有源和無源探測，增強(qiáng)系統(tǒng)的隱蔽性和生存能力。此外，多傳感器數(shù)據(jù)融合在工業(yè)、金融等方面也有廣泛的應(yīng)用。</p><p>　　國外有關(guān)數(shù)據(jù)融合技術(shù)的研究起步早，早在第二次世界大戰(zhàn)末期就已經(jīng)出現(xiàn)了使用多種不同傳感器的系統(tǒng)。當(dāng)時在高炮火控系統(tǒng)中同時使用了雷達(dá)和光學(xué)傳感器。兩種傳感器信息融合使用，不僅提高了高炮系統(tǒng)的瞄準(zhǔn)精度，也大大提高了抗干擾能

47、力和惡劣環(huán)境下的生存能力。不過當(dāng)時對兩種信息的綜合評判只能通過人工完成，質(zhì)量低，速度緩慢?，F(xiàn)代數(shù)據(jù)融合概念是在二十世紀(jì)七十年代提出的，最初主要是同時使用多種雷達(dá)執(zhí)行同類傳感器數(shù)據(jù)融合的處理。二十世紀(jì)七十年代末期，由于電子戰(zhàn)和ESM系統(tǒng)的引入，數(shù)據(jù)融合開始引起人們的重視。但真正的技術(shù)進(jìn)步和發(fā)展是二十世紀(jì)八十年代以后的事。二十世紀(jì)八十年代以來，美軍一直高度重視使用數(shù)據(jù)融合的戰(zhàn)術(shù)和戰(zhàn)略監(jiān)視系統(tǒng)。美國國防部從海灣戰(zhàn)爭中體會到了數(shù)據(jù)融合技術(shù)的巨大

48、潛力，因此，在海灣戰(zhàn)爭結(jié)束后，更加重視信息自動綜合處理技術(shù)的研究，并投入了大量的研究資金，也獲得了不少研究成果[22]。</p><p>　　在美國的帶動下，二十世紀(jì)八十年代后期以來，西方其它先進(jìn)技術(shù)國家也先后加強(qiáng)了多傳感器數(shù)據(jù)融合技術(shù)的研究，并且開始向民用部門發(fā)展。此外，國外還出版了很多有關(guān)數(shù)據(jù)融合方面的專著。其中，Linas和Waltz的《多傳感器數(shù)據(jù)融合》和Hall的《多傳感器數(shù)據(jù)融合的數(shù)學(xué)技術(shù)》對數(shù)據(jù)融合

49、研究的內(nèi)容和公共基礎(chǔ)作了全面系統(tǒng)地論述。Blackmann的《多目標(biāo)跟蹤及在雷達(dá)中的應(yīng)用》、Farina，Studer的《雷達(dá)數(shù)據(jù)處理》、Bar-Shalom和Fortmann的《跟蹤和數(shù)據(jù)關(guān)聯(lián)》、《多目標(biāo)多傳感器跟蹤原理與技術(shù)》以及Bar-Shalom主編的《多傳感器多目標(biāo)跟蹤：方法和進(jìn)展》綜合論述了數(shù)據(jù)融合技術(shù)在目標(biāo)跟蹤領(lǐng)域的新思想、新方法和新進(jìn)展。</p><p>　　數(shù)據(jù)融合技術(shù)的研究在國內(nèi)起步相對較晚，

50、直到二十世紀(jì)八十年代末期才開始涌現(xiàn)有關(guān)多傳感器數(shù)據(jù)融合技術(shù)研究的報道。二十世紀(jì)九十年代初，數(shù)據(jù)融合技術(shù)在國內(nèi)才逐漸形成高潮。國內(nèi)一些高校和研究所開始從事數(shù)據(jù)融合技術(shù)的研究工作，產(chǎn)生了很多理論研究成果。與此同時，也出現(xiàn)了不少數(shù)據(jù)融合技術(shù)方面的學(xué)術(shù)專著，其中具有代表性的有：周宏仁等的《機(jī)動目標(biāo)跟蹤》，康耀紅的《數(shù)據(jù)融合理論及應(yīng)用》，敬忠良的《神經(jīng)網(wǎng)絡(luò)跟蹤理論及應(yīng)用》，楊靖宇的《戰(zhàn)場數(shù)據(jù)融合技術(shù)》，劉同明等的《數(shù)據(jù)融合技術(shù)及應(yīng)用》，何友等的《

51、多傳感器信息融合及應(yīng)用》等。二十世紀(jì)九十年代中期，數(shù)據(jù)融合技術(shù)在國內(nèi)己經(jīng)發(fā)展成為受多方關(guān)注的重要技術(shù)，出現(xiàn)了許多熱門的研究方向。很多學(xué)者在機(jī)動目標(biāo)跟蹤、分布監(jiān)測融合、多傳感器綜合跟蹤與定位、分布信息融合、目標(biāo)識別與決策信息融合、姿態(tài)評估與威脅估計等領(lǐng)域孜孜不倦，創(chuàng)造出不少理論和應(yīng)用成果，出現(xiàn)了一批多目標(biāo)跟蹤系統(tǒng)和有初步綜合能力的多傳感器數(shù)據(jù)融合系統(tǒng)[23]。</p><p>　　1.2.3 主/被動聯(lián)合跟蹤研究概

52、況</p><p>　　近年來，由異類傳感器組成的多傳感器融合系統(tǒng)越來越得到重視，它是現(xiàn)代電子戰(zhàn)、機(jī)載雷達(dá)信息處理和多傳感器其一體化技術(shù)的重要組成部分。這其中就包括由主動傳感器和被動傳感器組成的多傳感器綜合系統(tǒng)。通過主動傳感器和被動傳感器的數(shù)據(jù)融合，一方面，可以充分利用主動傳感器和被動傳感器的信息，使它們有機(jī)地融合以實現(xiàn)對目標(biāo)的更好的狀態(tài)估計；另一方面，主動傳感器和被動傳感器可以互相告警，在有干擾的復(fù)雜的戰(zhàn)場環(huán)境

53、下，被動傳感器可以對主動傳感器實施引導(dǎo)，減少主動傳感器的開機(jī)時間，提高系統(tǒng)的隱蔽性，增強(qiáng)系統(tǒng)的生存能力[21]。</p><p>　　主動傳感器能夠提供完整的測量信息(距離量測、角度量測或其他多普勒信息)，所以它能夠較為精確地估計目標(biāo)狀態(tài)。但是因為主動傳感器主動對外發(fā)射信號，容易被反探測到，從而易導(dǎo)致敵方的干擾和攻擊。被動傳感器本身不對外發(fā)射信號，它是利用目標(biāo)本身輻射出的信號，對目標(biāo)進(jìn)行探測與跟蹤。因此，利用被動

54、傳感器對目標(biāo)進(jìn)行跟蹤，可以使跟蹤系統(tǒng)具有較好的隱蔽性、抗干擾能力和生存能力。不過由于被動傳感器本身的特性，即不能獲得距離信息，因此被動傳感器獨立對目標(biāo)進(jìn)行跟蹤時，很難得到精確的狀態(tài)估計。如果對這兩種傳感器的測量數(shù)據(jù)進(jìn)行有機(jī)地融合，合理的管理分配，減少主動傳感器的開機(jī)時間，那么就可以使得跟蹤系統(tǒng)具有更高的精度、更好的生存能力。</p><p>　　在文獻(xiàn)[24]中研究了在各雷達(dá)航跡樣本容量相同的情況下，電子支援(E

55、lectronic Support Measurement,EMS)傳感器和雷達(dá)航跡的關(guān)聯(lián)問題。隨后，Trunk和Wilson在各雷達(dá)航跡樣本容量不相等的情況下，基于統(tǒng)計理論研究了ESM與雷達(dá)的航跡關(guān)聯(lián)[25]。此后王國宏、何友等又基于模糊理論，對ESM與雷達(dá)的航跡關(guān)聯(lián)問題又進(jìn)行了研究，并提出了基于集對分的ESM與雷達(dá)的航跡關(guān)聯(lián)算法。除此之外，雷達(dá)與紅外傳感器的主/被動融合跟蹤算法也得到了廣泛的研究。文獻(xiàn)[21]中，詳細(xì)介紹了雷達(dá)和紅外

56、傳感器的融合跟蹤算法。首先，介紹了集中式數(shù)據(jù)融合算法，包括基于最小二乘算法數(shù)據(jù)壓縮的雷達(dá)和紅外融合算法，基于多傳感器概率數(shù)據(jù)互聯(lián)濾波(Multisensor PDAF,MSPDAF)和基于交互式多模型多傳感器概率數(shù)據(jù)互聯(lián)濾波(IMM/MSPDAF)的雷達(dá)和紅外融合算法。其中，第一種方法簡單實用；MSPDAF適應(yīng)于多雜波環(huán)境；IMM/MSPDAF適用于多雜波、目標(biāo)機(jī)動的場合，但計算量大。隨后，介紹了分布式數(shù)據(jù)融合算法，包括有反饋與無反饋兩

57、種。其中，無反饋的雷達(dá)/紅外融合方法由于互協(xié)方差的原</p><p>　　以上介紹的主/被動聯(lián)合跟蹤系統(tǒng)均是主動傳感器與被動傳感器同時工作，而在復(fù)雜的戰(zhàn)場環(huán)境下，這種情況很可能不能被滿足，因此，就出現(xiàn)了主/被動協(xié)同跟蹤系統(tǒng)。主/被動協(xié)同跟蹤系統(tǒng)能夠減少主動傳感器的開機(jī)時間，增強(qiáng)跟蹤系統(tǒng)的隱蔽性和生存能力，這在軍事領(lǐng)域有重要的意義。國內(nèi)學(xué)者潘泉、張洪才、程詠梅等對這種系統(tǒng)進(jìn)行了深入的研究。文獻(xiàn)[26,27]中建立的

58、協(xié)同跟蹤系統(tǒng)的結(jié)構(gòu)模型，并對勻速直線運動目標(biāo)進(jìn)行了跟蹤性能分析，得出此系統(tǒng)能夠在滿足跟蹤精度的要求下，減少主動傳感器的開機(jī)時間，增強(qiáng)系統(tǒng)的生存能力。</p><p>　　1.3 本文的主要工作及安排</p><p>　　1.3.1 研究內(nèi)容</p><p>　　針對主/被動聯(lián)合跟蹤系統(tǒng)的特點，本文從性能評估、時間配準(zhǔn)、數(shù)據(jù)融合和非線性濾波算法四個方面進(jìn)行研究和算法改

59、進(jìn)。本論文解決的主要問題是：</p><p>　　(l)尋找一種跟蹤性能評估方法</p><p>　　對于主/被動協(xié)同跟蹤系統(tǒng)來說，根據(jù)怎樣的規(guī)則來實現(xiàn)兩種工作模式的轉(zhuǎn)換，是十分重要的。因此，本文首先要解決的問題，就是在盡可能減少主動傳感器開機(jī)時間的前提下，利用相關(guān)波門的有關(guān)知識，研究一種簡單且可靠的性能評估方法，確定跟蹤系統(tǒng)的工作模式。</p><p>　　(2)

60、尋求時間配準(zhǔn)方法</p><p>　　主/被動聯(lián)合跟蹤系統(tǒng)涉及到多傳感器數(shù)據(jù)融合這個技術(shù)難點，那么就不可避免地會遇到數(shù)據(jù)時間配準(zhǔn)的問題。由于主動傳感器和被動傳感器的采樣周期不同，將不同采樣時刻的數(shù)據(jù)直接用于目標(biāo)定位，將會帶來很大的誤差。針對這種情況，需要尋求可行的時間配準(zhǔn)方案，從而提高目標(biāo)定位的精度。</p><p>　　(3)尋求一種數(shù)據(jù)融合方法</p><p>

61、　　由于主/被動聯(lián)合跟蹤系統(tǒng)涉及到多傳感器數(shù)據(jù)融合，那么不可避免地就會遇到數(shù)據(jù)融合結(jié)構(gòu)等問題。數(shù)據(jù)結(jié)構(gòu)分為集中式、分布式、混合式等，選擇合適的數(shù)據(jù)結(jié)構(gòu)對數(shù)據(jù)的融合、跟蹤的精度有很大的影響。特別是，對于主/被動協(xié)同跟蹤系統(tǒng)，不僅要求融合系統(tǒng)的整體精度，也對局部傳感器的跟蹤精度一定的要求。</p><p>　　(4)研究非線性濾波算法并對跟蹤系統(tǒng)進(jìn)行改進(jìn)</p><p>　　主/被動聯(lián)合跟蹤系

62、統(tǒng)涉及到非線性濾波問題。因此，通過對幾種非線性濾波算法的研究，尋找一種合適的濾波算法，對改善整個系統(tǒng)的跟蹤性能，具有十分重要的意義。在本論文中，將著重研究不敏卡爾曼濾波算法，并將其應(yīng)用在主/被動協(xié)同跟蹤系統(tǒng)中，對系統(tǒng)進(jìn)行改進(jìn)，通過理論論證和數(shù)字仿真，證實算法是否有效。</p><p>　　1.3.2 論文結(jié)構(gòu)安排</p><p><b>　　全文共分為五章。</b>&

63、lt;/p><p>　　第一章為緒論，介紹了高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤的研究背景及意義，國內(nèi)外非線性濾波理論的發(fā)展現(xiàn)狀，以及多傳感器數(shù)據(jù)融合技術(shù)的研究概況，并在此基礎(chǔ)上給出了本文的結(jié)構(gòu)安排。</p><p>　　第二章闡述了主/被動聯(lián)合跟蹤系統(tǒng)的基本思想和系統(tǒng)結(jié)構(gòu)。介紹了主動跟蹤與被動跟蹤相關(guān)知識。研究了主/被動聯(lián)合跟蹤系統(tǒng)的時間配準(zhǔn)問題，針對多傳感器采樣周期不統(tǒng)一的問題，給出了時間配準(zhǔn)的

64、基本算法，通過實例證明了時間配準(zhǔn)的重要性和算法的有效性。針對主/被動協(xié)同跟蹤系統(tǒng)的特點，討論了相關(guān)波門的有關(guān)知識，并將其用在協(xié)同跟蹤系統(tǒng)中，評估系統(tǒng)的跟蹤性能。主/被動聯(lián)合跟蹤系統(tǒng)不可避免地會涉及到數(shù)據(jù)融合結(jié)構(gòu)等問題，因此介紹了幾種數(shù)據(jù)融合結(jié)構(gòu)，重點給出了有反饋和無反饋分布式融合結(jié)構(gòu)的濾波算法，并通過實例證明了有反饋分布式融合結(jié)構(gòu)算法的優(yōu)勢。然后，將上述方法，應(yīng)用在主/被動協(xié)同跟蹤系統(tǒng)中，給出了協(xié)同系統(tǒng)的流程圖，并通過仿真，證實了與主/

65、被動傳感器同時工作的系統(tǒng)相比，協(xié)同跟蹤系統(tǒng)的優(yōu)勢。</p><p>　　第三章給出了典型的幾種非線性濾波算法，主要包括擴(kuò)展卡爾曼濾波和不敏卡爾曼濾波，總結(jié)了各種濾波算法的特點和適用范圍，并通過數(shù)字仿真從濾波精度和是否發(fā)散等性能指標(biāo)上做了分析比較。然后，針對高速高機(jī)動目標(biāo)的特點，給出了“當(dāng)前”統(tǒng)計模型下的EKF和UKF算法，并通過仿真，對算法進(jìn)行了比較。</p><p>　　第四章針對高速高

66、機(jī)動目標(biāo)，將基于“當(dāng)前”統(tǒng)計模型下的UKF算法應(yīng)用到主/被動協(xié)同跟蹤系統(tǒng)中，當(dāng)被動跟蹤系統(tǒng)單獨工作時，采用此算法，并對仿真結(jié)果與EKF算法進(jìn)行了比較，做出了分析。采用虛擬融合法將來自主動傳感器和被動傳感器的不同采樣周期的測測量信息配準(zhǔn)到統(tǒng)一的時間間隔下，驗證時間配準(zhǔn)算法的性能；將有反饋的分布式融合算法與無反饋的分布式融合算法做比較，考察各方法的跟蹤性能；將主/被動同時跟蹤算法與協(xié)同跟蹤算法進(jìn)行了比較。仿真結(jié)果驗證了新方法的有效性，為工程

67、應(yīng)用提供了有益的參考。</p><p>　　第五章對全文進(jìn)行了總結(jié)，并對進(jìn)一步的研究提出了建議。</p><p>　　2 主/被動聯(lián)合跟蹤方法研究</p><p><b>　　2.1 概述</b></p><p>　　數(shù)據(jù)融合技術(shù)給目標(biāo)跟蹤系統(tǒng)帶來了很多益處，因此，在數(shù)據(jù)融合技術(shù)在目標(biāo)跟蹤領(lǐng)域得到廣泛的應(yīng)用，并已經(jīng)研究出

68、了各種目標(biāo)跟蹤數(shù)據(jù)融合系統(tǒng)[28]。之前關(guān)于數(shù)據(jù)融合跟蹤的研究，大多集中在多個傳感器均能同時工作的前提條件下進(jìn)行。而在實際的戰(zhàn)爭環(huán)境下，由于受多傳感器管理及決策的影響，戰(zhàn)場環(huán)境的限制以及提高生存能力等的要求，多個傳感器均能同時工作的理想條件往往難以實現(xiàn)[26]。因此研究傳感器在受限條件下的數(shù)據(jù)融合跟蹤，對實際應(yīng)用具有非常重要的意義。</p><p>　　本文假設(shè)在單機(jī)平臺上裝有兩種傳感器：被動傳感器和主動傳感器，

69、要求在獲得良好的跟蹤跟蹤精度的同時保持良好的隱蔽性。在這種條件下，通常的兩個傳感器均能同時工作的數(shù)據(jù)融合跟蹤系統(tǒng)已不再適用。因為，主動傳感器(比如雷達(dá))主動發(fā)送電磁波，很容易暴露，因此它的工作必須受到一定的限制，以保證系統(tǒng)有良好的隱蔽性。但是主動傳感器不能完全關(guān)閉，因為，被動傳感器雖然隱蔽性很好，測角精度高，但在很多情況下屬于純方位跟蹤，會出現(xiàn)強(qiáng)非線性、弱可觀測性等問題，因此濾波穩(wěn)定性差，容易發(fā)散，同時還要求觀測站進(jìn)行特定的運動，以增強(qiáng)

70、系統(tǒng)的可觀測性[26]。而主動傳感器的測距精度高，跟蹤算法相對成熟，正是被動跟蹤的有益補(bǔ)充。采用被動跟蹤為主，主動跟蹤為輔的數(shù)據(jù)融合系統(tǒng)對目標(biāo)進(jìn)行跟蹤有利于更充分地發(fā)揮主/被動兩種傳感器各自的優(yōu)勢，使其相得益彰。與通常的融合系統(tǒng)相比，這種融合系統(tǒng)可靠性高、隱蔽性好、系統(tǒng)生存能力強(qiáng)等優(yōu)勢，在惡劣的戰(zhàn)場環(huán)境下，是目標(biāo)跟蹤的一種優(yōu)良工程實現(xiàn)方案。</p><p>　　2.2 主動跟蹤與被動跟蹤技術(shù)</p>

71、<p>　　現(xiàn)代跟蹤設(shè)備根據(jù)工作方式大致可分為主動式和被動式兩種。主動跟蹤系統(tǒng)使用主動傳感器如雷達(dá)，其工作原理是向空中輻射電磁波，通過獲取目標(biāo)的回波來探測目標(biāo)并對其進(jìn)行定位。由于其性能不受天氣情況的影響，能夠較為準(zhǔn)確地獲得目標(biāo)的量測信息，使雷達(dá)在跟蹤系統(tǒng)中起著重要的作用。隨著科技的發(fā)展，戰(zhàn)場等環(huán)境越來越復(fù)雜，這就要求在獲取信息的同時又不能暴露自己，而主動傳感器，是有源探測器，發(fā)出的信號易于被對方偵測，因此容易遭受敵方干擾及反

72、擊。于是，無源探測設(shè)備應(yīng)運而生，即被動傳感器。被動傳感器本身不發(fā)射信號，而是被動地接收目標(biāo)所發(fā)出的信號，對目標(biāo)進(jìn)行跟蹤，由于其不輻射能量，因而不可能被敵方偵察和定位，從而無從實施干擾和攻擊。同時由于飛行器(包括隱身飛機(jī))不可避免地要輻射電磁能量和熱量(紅外線)、反射可見光，又為探測和定位創(chuàng)造了條件。因此，被動傳感器受到各國有關(guān)部門的高度重視。</p><p>　　隨著科技的迅速發(fā)展，被動傳感器的性能得到了很大提高

73、，比如紅外(Infrared-IR)傳感器。前視紅外成像傳感器(FLIR)和紅外搜索與跟蹤傳感器(IRST)是目前被廣泛使用的兩種紅外傳感器。相對來說，F(xiàn)LIR作用距離較近，信息處理時間較長，因此限制了它在戰(zhàn)場上的應(yīng)用；IRST將目標(biāo)當(dāng)做點源進(jìn)行探測跟蹤，作用距離較遠(yuǎn)。與主動傳感器(雷達(dá))相比，IRST具有角分辨率高、抗干擾能力強(qiáng)、隱蔽性好等優(yōu)點；但又有在惡劣環(huán)境下遠(yuǎn)距離性能差，不能提供有用距離信息等缺點。但隨著科技的發(fā)展，IRST探測

74、跟蹤的距離大大增加，且對目標(biāo)距離測量問題的研究也取得了很大的進(jìn)展。</p><p>　　近年來，由于高科技作戰(zhàn)的需要，被動跟蹤技術(shù)作為跟蹤技術(shù)的一個重要分支，得到了迅速發(fā)展，出現(xiàn)了各種理論，其工程應(yīng)用也涉及各個方面，在雷達(dá)告警、空中目標(biāo)探測與跟蹤、水下聲納目標(biāo)跟蹤、衛(wèi)星監(jiān)視、以及交通管制等領(lǐng)域得到了廣泛應(yīng)用。</p><p>　　2.2.1 被動定向跟蹤</p><p&

75、gt;　　在很多應(yīng)用領(lǐng)域，被動傳感器和主動傳感器配合使用，成為相互獨立又彼此補(bǔ)充的探測跟蹤手段，利用主動傳感器高精度的測距信息和被動傳感器高精度的測角信息，可以給出對目標(biāo)位置等狀態(tài)進(jìn)行精確估計。但是當(dāng)主動傳感器(雷達(dá))處于無線電靜寂或受到敵方干擾而不能正常工作時，被動傳感器就要獨立地對目標(biāo)進(jìn)行搜索、探測和跟蹤，即在很多情況下會單獨使用被動探測設(shè)備，這時它的被動特性使它具有很好的隱蔽性，在對敵攻擊中占據(jù)上風(fēng)。正因如此，被動跟蹤一直是目跟蹤

76、領(lǐng)域的一個重要的研究方向。</p><p>　　根據(jù)所求運動參數(shù)的不同，被動跟蹤可以分為被動定向跟蹤和被動定位跟蹤兩種。定向跟蹤是以角度和角速度作為狀態(tài)變量，而定位跟蹤是以位置、速度、加速度等運動參數(shù)為狀態(tài)變量。定向跟蹤算法是將目標(biāo)運動模型線性近似，從而在量測坐標(biāo)系中進(jìn)行線性遞推濾波。被動傳感器與主動傳感器不同，它沒有距離信息，不能利用目標(biāo)的精確運動方程，因此需要簡化模型。在濾波過程中，常常選取四維狀態(tài)變量(方位

77、角，方位角速度，俯仰角，俯仰角速度)。被動定向的作用之一是給主動跟蹤系統(tǒng)或火控系統(tǒng)作角度引導(dǎo)。這里我們以IRST為例進(jìn)行討論。由于IRST主要用于遠(yuǎn)距離目標(biāo)的搜索和跟蹤，這時目標(biāo)作機(jī)動的可能性較小，那么目標(biāo)的跟蹤問題將得到簡化。在IRST單獨跟蹤目標(biāo)時，可以得到的目標(biāo)信息只有方位角和俯仰角，而同時火控系統(tǒng)也只要求IRST為它提供下一時刻方位角和俯仰角的預(yù)測值。那么，如果系統(tǒng)的狀態(tài)變量只有方位角和俯仰角及其角速度，而不包含距離信息，就既可

78、以避免被動跟蹤算法中難以解決的不可觀測問題，又使得目標(biāo)的觀測和跟蹤過程大大簡化，從而為被動系統(tǒng)實際解決純方位TMA問題提供了實用的算法[29]。</p><p>　　2.2.2 被動定位跟蹤</p><p>　　紅外搜索與跟蹤系統(tǒng)只能獲取目標(biāo)的角度信息，但是如果只用角度信息來估計目標(biāo)的運動參數(shù)(位置、速度、加速度等)，那么目標(biāo)的狀態(tài)是不可觀測的。在建立系統(tǒng)運動方程時，直角坐標(biāo)系下，運動方程

79、是線性的，量測方程是非線性的；而在球坐標(biāo)系下，量測方程是線性的，而運動方程卻是非線性的。因此，無論如何變換坐標(biāo)系都不能避免非線性問題。因此，被動跟蹤系統(tǒng)是非線性的、不可觀測性的。正是由于這些問題，被動跟蹤技術(shù)的發(fā)展受到了一定的阻礙。被動定位跟蹤(Passive Target Tracking,PTT)是在已知角度測量值(和/或多普勒偏移頻率和到達(dá)時差等)的條件下估計目標(biāo)和傳感器之間的相對距離和速度，也稱目標(biāo)運動分析(Target Mot

80、ion Analysis,TMA)。目標(biāo)運動分析在聲納、紅外、激光、導(dǎo)航和電子對抗等領(lǐng)域有著重要的軍事應(yīng)用價值，因此它己經(jīng)成為了非線性估計領(lǐng)域中炙手可熱的問題。現(xiàn)有的被動定位跟蹤方法從量測源的角度可分為兩大類：僅有角度量測的被動定位跟蹤和基于多量測源的被動定位跟蹤。</p><p>　　(1) 僅有角度量測的被動定位跟蹤</p><p>　　僅有角度量測的被動定位跟蹤方法提出的時間較早、研

81、究的也較為深入，其量測信息來自于運動的傳感器。由于角度信息是位置等狀態(tài)的不完全描述，所以存在著狀態(tài)可觀測性問題。因此要得到目標(biāo)狀態(tài)唯一估計，傳感器的運動要滿足一定的要求。很多學(xué)者對系統(tǒng)可觀測性問題進(jìn)行了深入的研究[30,31,32,33,34,35]，針對各種不同的目標(biāo)運動情況給出了狀態(tài)可觀測的充分必要條件。但是，即使目標(biāo)做與載機(jī)共面勻速直線運動，TMA問題也不能簡單地求解。比如，利用單個運動觀測站測取的方位信息，在該站機(jī)動之前(相對勻

82、速直線運動)，是不能估計出目標(biāo)運動的全部參數(shù)的，即系統(tǒng)在此階段是不完全可觀測的。另外，系統(tǒng)的高度非線性，也是TMA面臨的難題，傳統(tǒng)的線性化方法不能簡單搬用。</p><p>　　在二戰(zhàn)之后，首先提出了確定性解法，基本原理是用至少四個獨立觀測到的目標(biāo)方位信息(或與方位變化率的組合)，建立目標(biāo)狀態(tài)參數(shù)(距離、速度、航向)的三個獨立方程組，并進(jìn)行求解。這種確定性的求解方法簡單直觀，但在有量測誤差的情況下，解的穩(wěn)定性和精

83、度無法預(yù)測[36]。</p><p>　　二十世紀(jì)六十年代，以最小二乘法為基礎(chǔ)的純方位目標(biāo)運動分析技術(shù)得到了發(fā)展，該方法可改善估計精度，因此至今也是一種可選擇的應(yīng)用方法。但是由于系統(tǒng)的非線性，之前的各種方法在估計精度上不能滿足要求，尤其是難以預(yù)測，而且在觀測噪聲的影響下，載機(jī)一次機(jī)動前后數(shù)據(jù)段的長度選擇對求解過程的影響變得至關(guān)重要，所以這種方法不夠穩(wěn)定且不具一般性，從而給戰(zhàn)術(shù)攻擊帶來了困難[37,38]。<

84、/p><p>　　二十世紀(jì)七十年代以后，擴(kuò)展卡爾曼濾波在純方位TMA中得到了廣泛應(yīng)用。初期在直角坐標(biāo)系下的研究成果，有不錯的估計精度。但載機(jī)機(jī)動前的第一運動階段EKF過早發(fā)散。其實這只是確定性求解方法，即非遞推最小二乘法中存在的不穩(wěn)定性以另外一種形式顯露出來[39,40]。之后， Snog T.A等把修正增益的擴(kuò)展卡爾曼濾波方法應(yīng)用于此領(lǐng)域，從而得到了較好的跟蹤效果[41]。</p><p>

85、　　二十世紀(jì)七十年代末出現(xiàn)了偽線性卡爾曼濾波(PLKF)。PLKF通過重新排列EKF觀測方程和引入人為輔助變量來克服EKF的發(fā)散問題，仿真實驗證明，此方法可以消除EKF的發(fā)散問題，但估計是有偏的。因此，PLKF方法對發(fā)散問題的處理方法是非本質(zhì)的[29]。</p><p>　　隨著對TMA問題可觀測性的進(jìn)一步研究，發(fā)現(xiàn)引起發(fā)散的主要原因是載機(jī)機(jī)動前第一運動階段中，那些不可觀測的目標(biāo)狀態(tài)分量的作用。二十世紀(jì)八十年代，

86、Aidala等提出了一種更為有效的方法，即MP方法[42]。這種方法用一個非線性運動模型和一個線性觀測模型對運動目標(biāo)進(jìn)行建模，通過重新引入狀態(tài)變量解決了EKF算法中由于可觀測變量和不可觀測變量的相互關(guān)聯(lián)而造成的發(fā)散問題。同時在距離信息不可測的情況下，不影響可觀測變量的估計性能，因此基于極坐標(biāo)系的方法比EKF有更好的收斂性[42]。它實際是對狀態(tài)變量，進(jìn)行重新組合，從而將狀態(tài)向量中可觀測分量和不可觀測分量進(jìn)行解耦，得到了修正極坐標(biāo)下的濾波

87、模型。雖然由此導(dǎo)致算法異常復(fù)雜，但仿真表明它具有良好的穩(wěn)定性，并克服了PLKF方法估計的有偏性[42]。但這種方法狀態(tài)轉(zhuǎn)移矩陣計算復(fù)雜，如果不能合理地初始化，那么會收斂得比較慢。且在載機(jī)機(jī)動之前，MP方法中存在的不可測分量，仍然可能成為系統(tǒng)不穩(wěn)定的潛在因素，這種方法還有待于實際驗證[42]?；诨旌献鴺?biāo)系的方法在直角坐標(biāo)系下對目標(biāo)狀態(tài)和協(xié)方差矩陣進(jìn)行預(yù)測，而在極坐標(biāo)系下對目標(biāo)狀態(tài)和協(xié)方差矩陣進(jìn)行更新。這樣雖然避免了在</p>

88、<p>　　聯(lián)網(wǎng)雙基地及多基地被動定位跟蹤技術(shù)也是被動跟蹤技術(shù)發(fā)展的一個主要方向。該技術(shù)要解決的主要問題有時空配準(zhǔn)準(zhǔn)、定位誤差分析等[29]。</p><p>　　(2) 基于多量測源的被動定位跟蹤</p><p>　　盡管純方位TMA問題具有很多難題，但是迫切的現(xiàn)代戰(zhàn)場的需求，迫使發(fā)展出了很多解決這些難題的技術(shù)。這些方法大多是配合使用其它信息，例如載機(jī)的相對運動信息、量測信

89、號的頻率、量測信號大小的變化以及地球?qū)δ繕?biāo)的引力作用等，這就是基于多量測源的被動定位跟蹤。</p><p>　　有些無源探測設(shè)備，如窄頻聲納等，不僅可以得到角度信息，還可以得到頻率信息。頻率信息的獲得使得在量測角非恒定的條件下既可以得到目標(biāo)狀態(tài)的唯一估計，消除了對傳感器運動形式的嚴(yán)格限制，同時又能在很大程度上提高估計的精度。使用角度及頻率信息進(jìn)行跟蹤的方法也得到了廣泛應(yīng)用[43]。</p><

90、p>　　文獻(xiàn)[44]利用IR對目標(biāo)輻射強(qiáng)度及其變化率的量測信息，來估計目標(biāo)到達(dá)載機(jī)的時間，然后與目標(biāo)方位量測信息相結(jié)合，可以在多雜波環(huán)境下，確定目標(biāo)對載機(jī)威脅程度的級別。</p><p>　　根據(jù)大氣的物理特性使用多光譜數(shù)據(jù)對目標(biāo)的距離進(jìn)行估計的理論方法在文獻(xiàn)[45,46]中進(jìn)行了深入研究。按照兩個波段吸收紅外輻射能量的強(qiáng)度信息之比，來估計目標(biāo)與載機(jī)之間的距離，然后與方位量測一起輸入跟蹤器，可進(jìn)行三維目標(biāo)跟

91、蹤，這一統(tǒng)計信息還可用于對目標(biāo)的分類及識別等[47]。</p><p>　　前視紅外傳感器(FLIR)可獲取目標(biāo)的圖像信息，由于圖像包含豐富的信息，如果對該信息進(jìn)行充分的利用，可提高跟蹤系統(tǒng)的性能。隨著計算機(jī)技術(shù)的迅速發(fā)展，各種為圖像跟蹤而特別設(shè)計的處理器可實時完成特定任務(wù)的算法運算，從而使復(fù)雜的圖像跟蹤算法得以實現(xiàn)[28]。</p><p>　　當(dāng)前，主動雷達(dá)仍然是許多探測、監(jiān)視及跟蹤系

92、統(tǒng)的主要傳感器。隨著被動式傳感器技術(shù)及被動跟蹤技術(shù)的不斷發(fā)展，被動跟蹤將越來越重要，甚至有可能起主要作用，尤其在軍事方面將更加迫切。</p><p>　　2.2.3 被動跟蹤的可觀測性</p><p>　　目標(biāo)的可觀測性是被動定位跟蹤的基本問題。被動跟蹤系統(tǒng)通過測得的目標(biāo)方位信息對目標(biāo)進(jìn)行定位，估計目標(biāo)的位置和速度。由于被動跟蹤系統(tǒng)不能測得與目標(biāo)的之間的距離，當(dāng)單站無機(jī)動被動跟蹤時，對目標(biāo)

93、的跟蹤求解是不唯一的，目標(biāo)的位置和速度是不可觀測的，因此需要對被動跟蹤系統(tǒng)的可觀測性進(jìn)行分析。</p><p>　　1967年，Kolb和Hollister在美國第一屆電路與系統(tǒng)年會上就給出了純方位估計研究的結(jié)果。1970年Murphy研究了目標(biāo)運動分析(TMA)問題。TMA在本質(zhì)上就是被動目標(biāo)跟蹤。隨后，Lindgren和Gong提出了勻速直線運動的目標(biāo)狀態(tài)的可觀測條件。1988年，F(xiàn)ogel和Gavish研究

94、給出了一般N階運動目標(biāo)可觀測性的充要條件。</p><p>　　從系統(tǒng)理論的觀點看，被動跟蹤中目標(biāo)狀態(tài)是否有解本質(zhì)上是系統(tǒng)的可觀測問題。由于被動跟蹤是一個非線性濾波問題，因此，在文獻(xiàn)[48]中，采用了非線性系統(tǒng)理論分析方法，給出了形式完整的被動跟蹤可觀測性充要條件，并可直接由運動目標(biāo)的任意運動方程給出可觀測性判據(jù)。文獻(xiàn)中對靜止和勻速運動目標(biāo)的可觀測性給出了分析和判據(jù)，并討論了高階系統(tǒng)的推廣。比如，對于靜止的目標(biāo)，

95、勻速運動的載機(jī)可以估計出其狀態(tài)；對于勻速運動的目標(biāo)，勻加速運動的的載機(jī)可以估計出其狀態(tài)。不過，雖然對于可觀測判據(jù)，被動定位的可觀測性條件容易滿足，但對于現(xiàn)有的濾波算法，在噪聲存在時，即使載機(jī)作相當(dāng)復(fù)雜的運動，濾波也是很容易發(fā)散的。如果載機(jī)運動受到嚴(yán)格限制，被動跟蹤將更為困難。因而，尋求合適的大概率收斂的濾波算法和進(jìn)行隨機(jī)可觀測分析是被動跟蹤技術(shù)的研究方向。</p><p>　　2.3 主/被動聯(lián)合跟蹤的定位<

96、;/p><p>　　2.3.1 跟蹤系統(tǒng)結(jié)構(gòu)及工作原理</p><p>　　多傳感器跟蹤系統(tǒng)，通常由傳感器量測、狀態(tài)與屬性融合、態(tài)勢評估、威脅判定、傳感器管理組成閉環(huán)系統(tǒng)[1]。本文假設(shè)系統(tǒng)有被動雷達(dá)、主動雷達(dá)各一個。假設(shè)由屬性融合，態(tài)勢評估及威阱判定得知：裝備雷達(dá)告警系統(tǒng)告知敵機(jī)已進(jìn)入被動傳感器視場范圍，準(zhǔn)備攻擊我機(jī)。傳感器資源管理的任務(wù)是：在滿足火控系統(tǒng)跟蹤精度要求的同時，盡量減少主動雷達(dá)

97、的開機(jī)次數(shù)，以滿足隱蔽性要求，提高載機(jī)的安全性。</p><p>　　系統(tǒng)結(jié)構(gòu)如圖2.1，共包括4個模塊：被動雷達(dá)單獨跟蹤模塊、主/被動雙傳感器航跡融合跟蹤模塊、航跡質(zhì)量檢驗?zāi)K、跟蹤模式選擇和切換模塊。</p><p>　　系統(tǒng)工作原理[26]：被動雷達(dá)單獨跟蹤模式作為初始模式進(jìn)行目標(biāo)跟蹤，由航跡質(zhì)量檢驗?zāi)K針對被動雷達(dá)跟蹤性能進(jìn)行評估，再由模式選擇和切換邏輯功能模塊根據(jù)上述評估結(jié)果完成

98、兩種跟蹤模式之間的切換，然后由所選用的跟蹤模塊繼續(xù)進(jìn)行濾波，接著再返回至被動雷達(dá)單獨跟蹤，這樣不斷循環(huán)，周而復(fù)始。</p><p>　　圖2.1 系統(tǒng)結(jié)構(gòu)圖</p><p>　　2.3.2 跟蹤性能評估</p><p>　　相關(guān)波門是跟蹤空間中的一塊子空間，中心位于被跟蹤目標(biāo)的預(yù)測位置，其大小由接受正確回波的概率來確定。相關(guān)波門的形成既是限制不可能決策數(shù)目的關(guān)鍵環(huán)節(jié)

99、，又是維持跟蹤或保證目標(biāo)軌跡更新的先決條件。</p><p>　　在本文中，如果回波落在被跟蹤目標(biāo)的相關(guān)波門內(nèi)，則說明了兩種可能性：第一種，此回波用于軌跡更新，即繼續(xù)用被動跟蹤系統(tǒng)量測、跟蹤目標(biāo)；第二種，主被動聯(lián)合跟蹤系統(tǒng)跟蹤性能滿足要求，切換到被動跟蹤系統(tǒng)。</p><p>　　首先，將量測方程、新息(量測殘差)和新息協(xié)方差進(jìn)行描述。第時刻的觀測方程為</p><p&

100、gt;<b>　　(2.1)</b></p><p>　　式中，是量測矩陣，是方差為的零均值高斯白噪聲；為觀測向量。新息為觀測值與一步預(yù)測值()之差，即</p><p><b>　　(2.2)</b></p><p><b>　　新息協(xié)方差為</b></p><p><b

101、>　　(2.3)</b></p><p>　　其中為協(xié)方差矩陣的一步預(yù)測。</p><p>　　假定觀測位數(shù)為，新息向量的范數(shù)為</p><p><b>　　(2.4)</b></p><p>　　式中，服從自由度為的分布，新息向量的維高斯概率密度函數(shù)為：</p><p><

102、;b>　　(2.5)</b></p><p>　　其中，為新息協(xié)方差矩陣的行列式。</p><p><b>　　(1) 矩形波門</b></p><p>　　最簡單的波門形成方式是在跟蹤空間內(nèi)定義一個矩形區(qū)域，及矩形波門[49]。</p><p>　　設(shè)新息向量、觀測向量和預(yù)測觀測量的第個分量分別是、和

103、，且對所有的有相同的波門常數(shù)。當(dāng)觀測值滿足</p><p><b>　　(2.6)</b></p><p>　　時，稱是候選回波，其中為第個新息的標(biāo)準(zhǔn)偏差，其大小為</p><p>　　其中是第個觀測噪聲方差，是一步預(yù)測協(xié)方差矩陣的第個對角線元素。</p><p>　　假設(shè)高斯誤差模型成立，在維觀測和新息誤差相互獨立的條

104、件下，正確回波落入波門內(nèi)的概率為</p><p><b>　　(2.7)</b></p><p>　　其中。正確回波落于波門外的概率為</p><p><b>　　(2.8)</b></p><p>　　式中，是波門的體積，變換關(guān)系為，隨機(jī)變量服從標(biāo)準(zhǔn)正態(tài)分布，與為接受和拒絕正確回波的概率。<

105、/p><p>　　當(dāng)所選概率較小時，(2.7)式有以下近似關(guān)系：</p><p><b>　　(2.9)</b></p><p>　　式(2.7)是以正確的濾波模型為基礎(chǔ)的，這種模型對目標(biāo)機(jī)動這一特殊情況也應(yīng)具有最優(yōu)的性能。同樣，在真?zhèn)€跟蹤過程中，每一更新周期內(nèi)即使只有1%的拒絕回波概率，都有可能產(chǎn)生較大的累積值(>20%)。因此，在實際應(yīng)用