基于当前统计模型的交互融合跟踪算法-论文.pdf

《基于当前统计模型的交互融合跟踪算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第2期雷达与对抗Vo1．35NO．22015年6月RADAR＆ECMJun．2015基于当前统计模型的交互融合跟踪算法练学辉，闫龙，乔大雷(1．海军驻南京地区雷达系统军事代表室，南京210003；2．中国船舶重工集团公司第七二四研究所，南京211153)摘要：当前统计模型对于不同的机动类型需要采用不同的自相关时间常数，单一的当前统计模型滤波器不能够完成对不同机动频率目标的精确跟踪，同时当前统计模型对非机动目标跟踪效果并不理想。本文在交互多模型算法的基础上融合常速模型及不同自相关时间常数的当前统计模型，实现对非机动目标及不同类型、不同程

2、度机动目标的自适应跟踪。关键词：当前统计模型；非机动目标；机动目标；交互多模型中图分类号：TN959．6文献标志码：A文章编号：1009—0401(2015)02—0029—04AcombinedinteractivetrackingalgorithmbasedoncurrentstatisticalmodelLIANXue—hui，YANLong，QIAODa-lei(1．MilitaryRepresentativesOficeofRadarSystemofthePLANavyinNanjing，Nanjing210003；2．No．724

3、ResearchInstituteofCSIC，Nanjing211153)Abstract：Thecurrentstatisticalmodeladoptsdifferentautocorelationtimeconstantsfordifferentmaneuveringtargets，andthesinglefilterisnotcapableoftrackingmaneuveringtargetswithdiffer-entfrequenciesaccurately．Atthesametime，thetrackingefectisal

4、sonotsatisfactorywhenitcomestotrackingnon—maneuveringtargets．Basedontheinteractivemulti—modelalgorithm，thecur-rentstatisticalmodelwithdiferentautocorrelationtimeconstantsiscombinedwiththeconstantspeedmodeltorealizetheadaptivetrackingofnon—maneuveringtargetsanddiversemaneuve

5、ringtar—gets．Keywords：currentstatisticalmodel；non—maneuveringtarget；maneuveringtarget；interactivemuhi—mode10引言均有较高的跟踪精度，但对非机动目标的跟踪误差仍然较大。在此基础上，本文将不同自相关时间常数的雷达目标跟踪一直都是一个广受关注的课题。随当前统计模型与常速模型融入到交互多模型算法中。着现代航空航天技术的迅速发展，各种飞行器的运动仿真结果表明，本文算法不仅对不同类型机动目标达速度及机动性变得越来越高，对不同机动类型目标的到较高的跟

6、踪精度，对非机动目标也能较稳定地跟踪。可靠精确跟踪是一个关键的难点。当前统计模型算法针对目标的机动特性作出先验假设，对特定类型的机1当前统计模型动具有较高的跟踪精度。文献[2]对当前统计模型算法进行了修正，对不同的机动特性建立一个当前统计当前统计模型算法采用瑞利分布来描述机动加速模型，然后融合几种模型的滤波结果，对不同机动类型度的统计特征，假设的分布具有分布随均值变化而变收稿日期：2015-03—12作者简介：练学辉(1965一)，男，高级工程师，研究方向：雷达总体技术；闫龙(1988．)，男，助理工程师，硕士，研究方向：雷达数据处理；乔大雷

7、(1980-)，男，工程师，硕士，研究方向：雷达数据处理。一29—雷达与对抗2015年第2期化、方差由均值决定的优点。该算法在估计目标状态2。d：——nmax一面口(Ii})，的同时还可辨识出机动加速度均值，从而实时地修正订加速度分布，并通过方差反馈到下一时刻的滤波增益(k)=(klk一1)(6)中，实现闭环自适应跟踪⋯。当前统计模型能够很好地跟踪机动目标。然而，假设目标运动状态方程为不同的机动类型需要设置不同的先验自相关时间常数X(k+1)=F(k)(k)+G(k)(．j})+(k)(1)与最大加速度，同时对于非机动目标的跟踪有较大的误差，

8、这些都限制了当前统计模型的应用J。预测方程为(kfk一1)=F()(k一1Ik一1)+G(k)()(2)2当前模型的交互融合算法其中，F()为状态转移矩阵，即r(1