基于AR模型的雷達(dá)目標(biāo)跟蹤算法研究.pdf

1、隨著現(xiàn)代航運(yùn)業(yè)的快速發(fā)展，水上交通形勢(shì)日趨嚴(yán)峻，船舶安全航行問(wèn)題日益突出，從而對(duì)船舶跟蹤性能提出了更高的要求，特別是機(jī)動(dòng)目標(biāo)的穩(wěn)定跟蹤更為關(guān)鍵。為改善目標(biāo)跟蹤精確性，提高目標(biāo)跟蹤性能。本文利用了一種比較新型的AR(Auto-regression)模型，來(lái)展開(kāi)對(duì)雷達(dá)目標(biāo)跟蹤算法的研究。
　　首先，本文概括了目標(biāo)跟蹤的基本原理，分析了文中用到的跟蹤模型。然后研究了傳統(tǒng)的卡爾曼濾波(KF)算法和交互式多模型(IMM)跟蹤算法，并設(shè)計(jì)了一

2、個(gè)快轉(zhuǎn)彎和慢轉(zhuǎn)彎的模擬船舶運(yùn)動(dòng)場(chǎng)景，通過(guò)對(duì)基于卡爾曼濾波器的CV、CA單模型跟蹤算法及IMM算法的仿真，驗(yàn)證了本章的理論分析。
　　其次，提出了基于不同階數(shù)AR模型切換的卡爾曼濾波算法(S-AR-KF)。首先引入了AR模型，將AR模型應(yīng)用于目標(biāo)跟蹤中，重點(diǎn)研究了AR模型的構(gòu)建過(guò)程和求解方法。研究表明一階的AR模型可以表示勻速運(yùn)動(dòng)，二階的AR模型可以表示勻加速運(yùn)動(dòng)。另外，AR模型系數(shù)向量可以通過(guò)多余的自由度來(lái)消去一部分噪聲，是一個(gè)自

3、適應(yīng)狀態(tài)模型。然后通過(guò)非機(jī)動(dòng)場(chǎng)景，仿真分析得出最優(yōu)的AR模型系數(shù)個(gè)數(shù)，并將一階的AR-KF算法與傳統(tǒng)的CV-KF算法對(duì)比，驗(yàn)證其優(yōu)越性。最后在機(jī)動(dòng)場(chǎng)景中，將S-AR-KF算法與傳統(tǒng)的IMM算法的進(jìn)行仿真對(duì)比分析，總結(jié)出所提算法的優(yōu)勢(shì)和局限性。
　　最后，針對(duì)復(fù)雜多變的機(jī)動(dòng)目標(biāo)跟蹤問(wèn)題，本文研究分析了基于AR模型的IMM算法(AR-IMM)。并介紹了AR-IMM算法步驟和模型的參數(shù)設(shè)置，然后在模擬船舶機(jī)動(dòng)運(yùn)動(dòng)場(chǎng)景中對(duì)AR-IMM算法