多传感器机动目标跟踪数据融合算法研究

《多传感器机动目标跟踪数据融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文1绪论1.3课题的研究背景与意义在现代和未来战争中，信息的变化莫测，纷繁复杂对战略战术提出了更高的要求。整个空中、水下乃至太空都布满了各种各样的敌我信号源。任何个体的传感器都只能测量局部的信息。事实上大多不精确、不完整、不一致、不可靠、甚至矛盾的局部信息对于信息员掌握完整的战况态势造成了许多困难，为了解决该问题使用异地的多传感器或者本地多传感器协同工作，把各传感器全部的信息融合在一起的思路与方法就应运而生。该方法的实现就需要多源信息融合系统来完成[1,14]。巨大的应用前景和实际需要决定了信息融合成为目前研究的热点。由于依靠单一的传感器提供信息已无法满足作

2、战需要，因而运用多传感器提供目标观测信息，并实时地发现目标，同时通过综合优化处理观测信息，从而获得目标的属性信息，状态估计，态势评估等作战信息的方法呼之欲出。事实上，多传感器虽然实现了性能和功能上的互补以及结构上的一体化，但它却具有一个很大的缺点，那就是较低的信息综合利用率，而几乎尚未被利用的冗余信息就是其典型表现。这时，信息融合技术的出现，就表现出了它极大的优越性，因为它在综合利用多种传感器信息的互补性和冗余性，提高信息的确定性和可靠性的基础上，使系统组合的结构更加合理。同时，信息融合技术提高了低可观性目标的识别和探测能力，有助于提高决策的准确性和实时性，并且有利于降低系统

3、的开发、运行、维护等各方面成本。信息融合技术作为今后实现多传感器侦察的必然技术趋势，具有它自身的优势。通过大量文献资料可以获知，许多潜在的好处均可以通过利用多传感器信息融合技术而获得[1,24-26]。系统的工作性能指标可以通过对同类多源测量信息的融合得以提高；而结论可信度和系统的容错能力也能够通过不同类型传感器获得目标、事件的多侧面属性信息而得以提高和增加。传统方法是通过单个特定传感器获得有关目标状态和属性的信息并进行处理。这种方法多半是围绕着数据信息而进行的。因为对来自各种传感器数据资源的综合处理包是含于这些高层次的信息处理之中的。可以说，人类和生物界信息推断和处理的基本

4、功能是多传感器的信息融合处理。该思想除了可用于高层次的信息处理之中外，亦可用于诸如目标状态估计，属性分类等低层次的信息处理过程当中。目前，实际中研究的目标跟踪多为机动目标跟踪，因为实际跟踪过程中往往有多种干扰因素的存在，从而使问题变得复杂。目标运动状态的不确定性和量测来源的不确定性[6,27-28]是多目标跟踪系统必须克服和解决两个难点问题，即通常所说的机动目标跟踪问题与数据关联问题。近30年来，研究者在该领域进行了大量的研究，同时伴随着如扩展卡尔曼滤波、粒子滤波、多模型及自适应处理等一些4重庆大学硕士学位论文1绪论新技术的出现，许多新技术被提出。比如文献[29]提出了“多传

5、感器多目标跟踪的JPDA算法”；文献[30]提出了“多传感器多目标联合概率数据关联研究”；文献[8]提出了“交互式多模型机动目标跟踪方法”等，都是以多目标密集杂波环境或者目标机动为单一应用背景的。又比如文献[31]提出了联合概率数据互联与交互式多模型法进行机动目标跟踪，但却是以目标线性运动模型为背景的。针对此，最后本文提出了多机动目标多传感器联合概率数据互联法对运动模型为线性及非线性的机动运动目标实现了较好地跟踪。1.3论文研究的基本内容和结构本文在介绍了传感器信息融合基本理论、多传感器信息融合的模型及层次结构的基础上，重点研究了目标跟踪中两个关键问题——状态估计及数据关联及

6、其在目标跟踪中的应用。简要概括本文的主要研究内容及成果有以下几点：①研究并实现了主要的用于处理线性及非线性模型的最优及各次优滤波方法，并将其应用于目标跟踪中，在验证算法有效性的同时，对算法的滤波性能进行了综合的分析和比较。针对目标运动的常速及常加速模型场景，应用卡尔曼滤波（KF）这一线性滤波算法进行了实验仿真，验证了这种算法在这两种运动模型状态估计中的有效性。针对测量数据存在野值的情况提出了抗野值的无迹卡尔曼滤波（UKF），设计与实现了该算法，并与扩展卡尔曼滤波（EKF）进行对比。实验结果表明抗野值的UKF能有效地抑制野值，并且对于非线性的模型，与EKF相比，UKF具有更高的

7、估计精度。②研究了多目标跟踪中的另一关键问题——数据关联算法并在目标跟踪中的应用。在概述了目标跟踪原理的基础上，分析了多目标跟踪算法中跟踪门[10,25]的形成及多传感器联合概率数据互联（MSJPDA）[1,29-30]算法原理，并通过仿真实验，验证了该算法在多目标跟踪中有效性。③针对机动目标运动模型不确定的情况，研究了交互式多模型（IMM）算法并将其与MSJPDA相结合，研究并实现了基于IMM-MSJPDA的跟踪算法在目标跟踪中的应用研究。在此基础上，为了适应多目标的机动变化以及多运动模型线性及非线性