被动传感器感知目标的状态估计方法研究

《被动传感器感知目标的状态估计方法研究》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、分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）被动传感器感知目标的状态估计方法研究硕士研究生：秦佳宇指导教师：王宏健教授企业导师：侯山高高级工程师工程领域：控制工程论文主审人：哈尔滨工程大学2018年5月分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）被动传感器感知目标的状态估计方法研究硕士研究生：秦佳宇指导教师：王宏健教授学位级别：工程硕士工程领域：控制工程所在单位：自动化学院论文提交日期：2018年5月论文答辩日期：2018年6月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationforthe

2、DegreeofM.Eng(MasterofEngineering)ResearchontheStateEstimationMethodforPerceivedTargetsofPassiveSensorsCandidate:QinJiayuSupervisor:Prof.WangHongjianAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlEngineeringDateofSubmission:May.2018DateofOralExamination:June.2018Univer

3、sity:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于

4、哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日被动传感器感知目标的状态估计方法研究摘要近年来，现代反辐射导弹技术和

5、目标电磁隐身技术的发展给有源雷达带来了巨大的威胁。由于无源探测技术的隐蔽性更好，基于被动传感器系统的多目标跟踪技术日益受到重视。仅利用方位角和俯仰角等角度量测信息实现纯角度跟踪是多被动传感器跟踪的主要方向。本文针对被动传感器系统，采用改进的多维分配数据关联方法以及随机集理论框架下的多目标跟踪方法，最终在具有杂波环境的三维空间中，实现了多被动传感器多目标的状态估计。本文的主要研究内容如下：首先，本文根据Bayes理论，研究了卡尔曼滤波器(KalmanFilter，KF)、扩展卡尔曼滤波(ExtendedKalmanFilter，EKF）、无迹卡尔曼滤波(Unsc

6、entedKalmanFilter，UKF)和粒子滤波器(ParticleFilter，PF)，为后续将非线性滤波方法与随机集理论相结合实现非线性系统的目标跟踪奠定基础。其次，由于传统多目标跟踪方法需进行数据关联，这样会造成计算量“组合爆炸”的问题，故本文研究了随机有限集理论框架下的多目标跟踪方法，建立了目标运动模型和传感器观测模型；针对随机集框架下的Bayes滤波存在集合积分等问题造成无法求解的情况，引入了概率假设(ProbabilityHypothesisDensity,PHD)滤波器，讨论了PHD滤波器和Bayes滤波器之间的本质联系。再次，研究了被动传

7、感器量测数据关联和融合方法，针对传统多维分配算法计算量过大的问题，设计了一种改进的3-D分配算法，该算法在保证精度的同时减少了计算量；研究了被动多传感器系统的阵列扩维数据融合法和交叉定位融合法，并利用这两种方法将关联好的量测数据进行融合，得到跟踪滤波器的输入量。随后，针对PHD滤波器无法得到闭合解的问题，引入了两种实现形式：高斯混合PHD和粒子PHD。为了实现高斯混合PHD非线性系统下的目标跟踪，将EKF和UKF滤波算法与GM-PHD滤波器相结合，设计基于被动传感器系统下的仿真实验证明两种滤波器的有效性，并进行结果分析。最后，针对机动性较强的目标，引入多模型方

8、法，并将其与线性GM-PHD滤波器相结