基于雷达和电子海图的航迹预测

摘要

无论在军事和民用领域，都需要可靠而精确的航迹预测。运动目标的机动会使预测系统的性能产生恶化，由于机动出现的复杂性、随机性和多样性，对机动目标进行预测一直是一个具有挑战性的问题，不管在理论上和实践上都有较高的技术难度。而随着现代造船技术的飞速发展，各种船舶的航行速度和机动性越来越高，在此背景下，如何提高高速高机动目标的跟踪性能成为一个越来越重要的问题，因此迫切需要找出性能更为优越的跟踪滤波方法。虽然现在已有不少目标跟踪算法，但专门针对船舶机动目标跟踪的研究还不多，因此本文着重研究船舶高速高机动目标的跟踪问题。 本文首先介绍了航海雷达，并介绍了该课题的研究现状：主要介绍了航海雷达的性能指标，国外相关领域研究现状。第二章详细介绍了目前运用最广泛的几种机动运动模型，包括匀速运动(CV)模型、匀加速运动(CA)模型、Singer模型、“当前”统计模型和IMM算法；讨论分析了各种模型的过程方程及各种参数。第三章详细讨论了两种滤波算法： LMS滤波算法和Kalman滤波算法，详细介绍了各种算法的原理及步骤；在第四章中对分别使用Singer模型、“当前”统计模型、CV模型、CA模型和IMM算法，LMS算法及Kalman算法作了仿真，并对各种仿真结果进行比较。并最终决定采用Singer模型以及Kalman滤波器，仿真结果表明其获得了对高速高机动目标较好的跟踪性能。算法在跟踪性能和计算复杂度之间取得了一个较好的平衡，是一种可行的高速高机动目标跟踪算法。第五章，使用MiniGUI在Linux下进行了仿真，由于MiniGUI具有可移植性。只要稍做改动，便可直接应用于实际工程。 最后对论文作了总结，并对未来的研究方向和发展趋势作了展望和建议。

目录

文摘

英文文摘

声明

第1章绪论

1.1航迹预测技术

1.1.1概述

1.2航海雷达简介

1.2.1发展简况

1.2.2结构

1.2.3性能

1.2.4应用

1.3各种型号雷达的比较

1.4国外相关研究

1.5论文章节安排

第2章机动目标运动模型

2.1 CV模型

2.2 CA模型

2.3 Singer模型

2.4“当前”统计模型

2.4.1机动加速度的“当前”概率密度

2.4.2机动加速度的非零均值时间相关模型

2.5交互多模型算法

2.5.1算法简介

2.5.2算法步骤

2.6本章小结

第3章滤波器

3.1 LMS滤波器

3.1.1 LMS算法的原理和流程图

3.1.2收敛性分析

3.1.3提高LMS收敛速度的方法

3.1.4增大稳定步长的取值范围

3.1.5协调高速收敛和减小稳态误差

3.2 LMS的改进算法

3.2.1 LMS改进算法的影响因素

3.3 Kalman滤波器

3.3.1卡尔曼滤波方程的推导

3.3.2卡尔曼滤波器的性质

3.3.3数学模型的建立

3.3.4滤波器初值的选取

3.3.5防止滤波器发散的措施

3.4本章小结

第4章算法仿真结果对比及分析

4.1仿真场景及参数设置

4.2仿真程序

4.2.1主要函数

4.2.2预测过程示意图

4.3两种滤波器的选择

4.3.1 LMS滤波器

4.3.2 LMS滤波航迹预测符合度分析

4.3.3 Kalman滤波器

4.3.4 Kalman滤波结果分析

4.3.5滤波器的比较

4.4 CV、CA，Singer模型和当前统计模型的比较

4.5 IMM算法

4.6各种算法的时间和算法复杂度

4.7本章小结

第5章基于电子海图的修正以及在MiniGUI下实现

5.1图像二值化

5.2图像的游程表示法

5.3航迹的修正

5.4 MiniGUI的典型应用

5.5 MiniGUI配置成三种运行模式：

5.6 MiniGUI的安装设置

5.7移植MiniGUI时可能需要修改的源码

5.8在FC7下的移植

5.9程序的编写

5.10在vxWorks下的移植

5.11本章小结

结论

参考文献

致谢

附录