单/多传感器无源测向定位技术研究

摘要

本课题研究了单/多传感器测向无源定位技术及主被动雷达关联融合这两个目标跟踪领域研究者们关注的研究热点。主要提出了一种新的测向跟踪滤波方法——转换瑞利滤波器(shifted Rayleigh filter，SRF)，推导其集中式滤波公式和相应的交互式多模型算法实现多被动传感器融合定位跟踪，进一步提出了一种适合于对固定和运动目标定位跟踪的自适应选择跟踪算法。同时提出了修正极坐标(modified polar coordinates，MPC)下的主被动雷达关联算法，并构建了主被动雷达关联融合跟踪系统。
　　本课题的主要工作和所取得的结论可概括如下：
　　1)针对单被动传感器运动目标跟踪存在固有的强非线性和弱可观测性问题，提出了基于CSRF的多被动传感器目标跟踪算法。推导CSRF的算法流程，建立了被动多站的观测模型，并与交互式多模型结合，提出并推导IMMCSRF，实现了对机动目标的被动跟踪。
　　2)针对固定目标独有特点对IMMCSRF算法进行改进，提出了IMMMSRF算法，并进一步为了解决其收敛速度较慢且无法适应非高斯噪声的情况，提出了一种改进的IMMMSRF的固定目标定位算法。同时考虑实际情况中，目标状态未知时无法直接确定合适的定位跟踪算法，提出基于目标状态判决的自适应选择滤波方法，实现了对固定目标和运动目标的自适应区分定位和跟踪。
　　3)针对主被动雷达关联过程中由于被动传感器仅能获得角度信息，而导致的关联存在很大的不确定性，提出MPC下的主被动雷达关联算法——通过MPCUKF进行被动传感器跟踪，再将雷达在直角坐标系下的跟踪状态转换到MPC下，在MPC下构建关联累积量，并采用二维分配算法进行关联逻辑判决；同时针对主被动雷达融合跟踪提出了扩维 UKF集中滤波和分布式融合滤波两种方式；并搭建了关联融合跟踪系统平台。

目录

摘 要

Abstract

绪 论

课题背景及研究的目的和意义

1.2 本课题国内外研究现状

1.2.1 单站测向定位技术

1.2.2 多站测向定位技术

1.2.3 主被动雷达数据关联

1.3 本文的主要研究内容

第2章 单/多被动传感器运动目标跟踪

2.1 引言

2.2 单被动传感器运动目标跟踪

2.2.1 SRF测量建模

2.2.2 转换瑞利滤波过程(SRF)

2.2.3 SRF分析与证明

2.3 多被动传感器运动目标跟踪

2.3.1集中式转换瑞利滤波算法(CSRF)

2.3.2交互式多模型集中式转换瑞利滤波算法(IMMCSRF)

2.4 仿真实验

2.4.1 单/多被动传感器非机动目标跟踪

2.4.2 多被动传感器机动目标跟踪

2.5 本章小结

第3章 固定目标定位与自适应选择滤波算法

3.1 引言

3.2 单/多被动传感器固定目标定位算法

3.2.1 交互式多模型修正转换瑞利滤波算法(IMMMSRF)

3.2.2 改进的IMMMSRF固定目标定位算法描述

3.3 固定和运动目标自适应选择滤波算法

3.3.1 目标状态判决

3.3.2 目标初始定位

3.3.3 自适应选择滤波算法

3.4 仿真实验

3.4.1 ESM测量噪声已知情况SRF和MSRF比较

3.4.2 ESM测量噪声未知或变化情况MSRF和IMMMSRF比较

3.4.3 IMMMSRF与改进IMMMSRF比较

3.4.4自适应选择滤波

3.5 实测数据处理

3.5.1 单ESM固定目标定位

3.5.2 双ESM固定目标定位

3.6 本章小结

第4章 主被动雷达关联融合跟踪系统

4.1 引言

4.2 主被动雷达关联算法

4.2.1 修正极坐标扩展卡尔曼滤波算法(MPCEKF)

4.2.2 修正极坐标无迹卡尔曼滤波算法(MPCUKF)

4.2.3二维分配关联算法

4.3 主被动雷达关联融合跟踪系统

4.3.1 雷达ESM集中式融合跟踪算法(扩维UKF)

4.3.2 雷达ESM分布式融合跟踪算法

4.3.3 主被动雷达关联融合跟踪系统

4.4 仿真实验

4.4.1 MPC跟踪算法比较

4.4.2雷达ESM关联融合跟踪

本章小结

结 论

参考文献

攻读学位期间发表的论文

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢