機(jī)載多傳感器目標(biāo)精確跟蹤算法研究.pdf

1、雷達(dá)被廣泛應(yīng)用在對(duì)空目標(biāo)的探測(cè)和跟蹤中，然而相對(duì)于紅外傳感器而言，雷達(dá)具有探測(cè)精度不高，獲得的量測(cè)噪聲比較大的缺點(diǎn)。不僅如此，隨著戰(zhàn)場(chǎng)環(huán)境的日益復(fù)雜，由于受到電磁、誘餌雜波干擾及氣象條件的影響，使得雷達(dá)的量測(cè)數(shù)據(jù)中混有大量虛假數(shù)據(jù)，導(dǎo)致雷達(dá)錯(cuò)跟或失跟。受到強(qiáng)雜波戰(zhàn)場(chǎng)環(huán)境的影響，主動(dòng)相控陣?yán)走_(dá)的發(fā)現(xiàn)概率、跟蹤能力、命中精度和抗干擾能力大幅下降。所以，提高雷達(dá)的探測(cè)精度和強(qiáng)雜波下的抗干擾能力是非常重要的研究課題。
　　本文基于提高雷達(dá)

2、跟蹤精度的需求，通過(guò)將紅外傳感器的高精度的角度量測(cè)信息與雷達(dá)的探測(cè)信息融合，提高雷達(dá)的目標(biāo)精確跟蹤能力。首先，對(duì)雷達(dá)和紅外傳感器不同的位置，坐標(biāo)系，采樣頻率和數(shù)據(jù)傳輸率，對(duì)雷達(dá)紅外量測(cè)數(shù)據(jù)進(jìn)行時(shí)空配準(zhǔn)。然后，利用雷達(dá)量測(cè)數(shù)據(jù)和Unscented Kalman Filter（UKF）對(duì)目標(biāo)的位置和速度進(jìn)行估計(jì)，將結(jié)果作為紅外目標(biāo)UKF估計(jì)的預(yù)測(cè)值。最后，將紅外UKF的估計(jì)結(jié)果作為目標(biāo)最終估計(jì)結(jié)果。本文提出的雷達(dá)紅外傳感器估計(jì)融合的跟蹤方法

3、，由于引入了高精度的紅外量測(cè)信息，彌補(bǔ)了雷達(dá)傳感器探測(cè)性能的不足，提高了雷達(dá)目標(biāo)跟蹤性能。
　　同時(shí)為了提高單傳感器在復(fù)雜電磁環(huán)境下的抗干擾能力，本文提出一種聯(lián)合檢測(cè)-跟蹤-學(xué)習(xí)的目標(biāo)魯棒跟蹤算法 PN Learning-Probability Hypophysis Density（PNL-PHD），該方法在傳統(tǒng)PHD算法的基礎(chǔ)上，引入屬性檢測(cè)器，將檢測(cè)結(jié)果與跟蹤結(jié)果一起送入PN學(xué)習(xí)器，通過(guò)PN學(xué)習(xí)迭代更新檢測(cè)器，并修正PHD算法

4、的跟蹤估計(jì)，以此實(shí)現(xiàn)在強(qiáng)雜波環(huán)境目標(biāo)魯棒跟蹤的要求。本文提出的PNL-PHD濾波算法與PHD跟蹤算法相比，由于在線學(xué)習(xí)目標(biāo)屬性特征濾除了強(qiáng)雜波環(huán)境下的干擾信息，因此提高了目標(biāo)跟蹤準(zhǔn)確性及跟蹤精度。
　　為了驗(yàn)證提出方法的有效性和準(zhǔn)確性，本文開(kāi)發(fā)了一套目標(biāo)精確跟蹤仿真系統(tǒng)。利用相控陣?yán)走_(dá)、紅外傳感器的模擬器生成量測(cè)數(shù)據(jù)，對(duì)雷達(dá)紅外感器融合跟蹤算法和目標(biāo)在線迭代學(xué)習(xí)跟蹤算法，進(jìn)行復(fù)雜環(huán)境下的的目標(biāo)精確跟蹤演示與驗(yàn)證。本系統(tǒng)為仿真復(fù)雜環(huán)