联合自适应马尔科夫矩阵的多目标跟踪算法研究

摘要

机载相控阵雷达不仅需要搜索和跟踪多个目标和制导导弹，还需要完成其他的重要任务，比如电子对抗措施以及多普勒波束锐化成像等。这些复杂繁多的雷达功能任务要求雷达本身必须尽可能地保存雷达能量、节约时间资源。因此在雷达进行目标跟踪的过程中，如何合理的安排雷达资源对雷达的持续作战能力有着重要影响。本文在传统交互多模型目标跟踪算法的基础上作出了改进，本文主要研究内容如下:
　　1、首先介绍了目标跟踪的一些基础理论，包括运动模型以及几种贝叶斯模型下的滤波方法、灰色关联度理论、粒子群优化算法等。
　　2、提出了一种联合自适应马尔科夫矩阵的交互多模型目标跟踪算法。首先介绍了交互多模型目标跟踪的主要步骤;然后通过设计交互多模型多目标自适应采样间隔算法，提出了一种基于联合自适应马尔科夫矩阵，灰色关联模型和粒子群优化的目标交互跟踪算法。其中，联合自适应马尔科夫转移矩阵分别利用了似然比方法以及压缩比方法进行计算。仿真结果表明，与固定马尔科夫转移矩阵相比，自适应马尔科夫转移矩阵有利于节省雷达时间资源。并且，相比较基于“压缩比”方法的马尔科夫转移矩阵，基于“似然比”方法的自适应马尔科夫转移矩阵可以节省更多的雷达时间资源。
　　3、提出了基于约束自适应马尔科夫转移矩阵的交互多模型粒子滤波(IMMPF)目标跟踪算法。首先详细介绍了IMMPF目标跟踪算法的一般实现过程。然后，在滤波器每一次迭代过程的最后，采用了两种方法更新下一个迭代过程的自适应马尔科夫转移矩阵。为了避免粒子滤波迭代过程中出现的数据异常而引起的失效，设置了马尔科夫转移概率的约束条件。最后通过仿真对固定马尔科夫矩阵法、基于似然比的约束自适应马尔科夫矩阵法、基于压缩比的约束马尔科夫矩阵法的“距离估计误差”以及“速度估计误差”分别作出比较。仿真结果表明，约束马尔科夫转移概率方法有利于提高交互多模型粒子滤波(IMMPF)目标跟踪性能。

目录

摘要

注释表

第一章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 目标运动模型研究现状

1．2．2 交互多模型目标跟踪算法研究现状

1．3 本文的主要工作内容

第二章 预备知识

2．1 引言

2．2 运动模型

2．3 贝叶斯滤波

2．3．1 卡尔曼滤波

2．3．2 扩展卡尔曼滤波

2．3．2 无迹卡尔曼滤波

2．3．3 容积卡尔曼滤波

2．3．4 粒子滤波算法

2．4 灰色关联度理论

2．5 粒子群优化算法

2．6 本章小结

第三章 联合自适应马尔科夫矩阵的多目标跟踪算法研究

3．1 引言

3．2 交互式多模型(IMM)目标跟踪算法

3．3 基于GRM-PSO算法的自适应采样间隔

3．4 联合自适应马尔科夫转移矩阵

3．5 仿真

第四章 基于约束自适应马尔科夫矩阵的IMMPF目标跟踪算法

4．1 引言

4．2 IMMPF目标跟踪算法

4．3 约束自适应马尔科夫转移矩阵

4．4 仿真

第五章 总结与展望

5．1 本文工作总结

5．2 课题展望

参考文献

致谢

在学期间的研究成果及发表的学术论文