基于FCM的雷达多目标航迹相关

摘要

近年来模糊聚类分析方法已经在诸多领域获得了广泛的应用，并取得了满意的工程效果。其应用范围涉及模式识别、图像处理、水质分析等诸多领域。
　　 在雷达进行多目标跟踪滤波时，数据关联是拟要解决的关键技术之一。在密集目标环境和交叉机动航迹较多的情况下，传统的航迹关联方法关联正确率降低。在此本文详细讨论模糊聚类分析方法在雷达多目标航迹关联的应用。本文采用模糊c-均值算法进行数据关联，从而实现对多目标的数据关联和精确跟踪，并给出了仿真实验结果，证明该方法的有效性。本文的研究课题来源于交通部基础研究科技项目“航海雷达中频信号数字处理方法的研究”，本文主要完成其中的雷达目标跟踪处理研究内容。
　　 本文主要工作如下：
　　 首先阐述了关于数据关联的基本概念和理论，相关波门设置，雷达点迹与航迹关联流程，卡尔曼滤波算法等。讨论了几种经典的数据关联算法：航迹分叉法、最邻近数据关联算法、概率数据关联算法与联合概率数据关联算法等，并给出了适用的环境和性能分析。
　　 其次分析了模糊c-均值聚类算法(FCM)的基本原理，将模糊分类的特点引入到目标跟踪系统中，在已知目标数情况下，计算测量点迹与目标预测位置之间的隶属度，然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权，来实现目标状态估计的更新。仿真结果表明在杂波密度高且目标密集的情况下，模糊聚类算法有它一定的优越性，计算量不大，并能保证多目标跟踪的可靠性。
　　 最后对FCM算法提出两点改进，将杂波作为边缘(c+1)类，更符合实际情况，降低由于杂波或干扰点迹引起的错误关联概率。另外在有两个或两个以上点迹对同一目标隶属度相当的情况下，用航迹分叉法都予以保留。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的提出背景与研究意义

1.2雷达数据关联的研究现状

1.3模糊聚类分析的发展状况

1.4论文的研究内容和结构安排

第2章数据关联

2.1相关波门

2.1.1环形波门

2.1.2球(椭圆)波门

2.1.3扇形波门

2.1.4矩形波门

2.2点迹与航迹关联流程

2.3卡尔曼滤波

2.4常用数据关联算法

2.4.1航迹分叉法

2.4.2最邻近数据关联

2.4.3概率数据关联

2.4.4联合概率数据关联

2.5本章小结

第3章模糊聚类分析

3.1 FCM数据关联算法

3.1.1模糊分类

3.1.2 FCM算法流程

3.2基于FCM的跟踪问题描述

3.2.1一个目标分配一个关联点迹

3.2.2所有候选回波加权融合

3.3仿真结果和分析

3.4本章小结

第4章 FCM的进一步探讨

4.1杂波作为边缘(C+1)类

4.2 FCM与航迹分叉法结合

4.3本章小结

第5章结论

参考文献

致谢

研究生履历