机载预警雷达目标跟踪方法研究与应用

摘要

在以电子化、信息化为特征的现代化战争中，机载预警雷达相比于传统的地基雷达在获取敌方信息方面有着独特的优势，因此其在现代化战争中扮演着不可或缺的角色。机载预警雷达的主要功能之一就是对感兴趣的目标进行不间断地跟踪。通常来说，机载预警雷达目标跟踪问题主要包含两个难点，一是目标的机动给目标状态的精确预测带来了很大的困难，二是多目标跟踪中，密集的回波使目标与量测间的数据关联面临很大的困难。 本文主要研究机动目标跟踪算法和杂波环境下的多目标跟踪算法。首先分析传统机动目标跟踪算法的原理，研究了影响算法跟踪精度的因素，提出了一种通过目标新息变化来自适应调整算法机动频率的“当前”统计模型；然后研究了几种经典的数据关联算法，分别讨论了各种关联算法的适用环境以及性能的优劣，并针对基于神经网络的JPDA算法收敛慢的缺陷，提出了一种基于改进混沌神经网络的JPDA算法。论文所做的工作及取得的研究成果概括如下： 1．从贝叶斯滤波的原理出发，研究了在目标跟踪算法中常用的几种贝叶斯滤波算法，如KF、EKF、UKF和PF等，并通过算法仿真，对各种滤波算法的性能进行了比较和分析，发现在系统方程的非线性程度较高时，相比其它几种滤波算法，粒子滤波有较好的估计性能。 2．从机动目标跟踪的原理出发，研究了几种传统的机动目标跟踪算法，分析讨论了每种跟踪方法的适用场景以及性能的优缺点，着重分析了“当前”统计模型中固定算法的机动频率参数对算法跟踪精度造成的影响，提出了一种通过目标新息变化来自适应调整算法机动频率的方法，该方法能够有效地改进“当前”统计模型的跟踪精度。仿真数据验证了该方法在机动目标跟踪算法中的优越性。 3．从多目标跟踪问题中的数据关联算法出发，深入分析了三种传统的数据关联方法在不同环境下的跟踪性能，得出JPDA方法具有较优跟踪性能的结论，针对JPDA方法神经网络的实现算法收敛慢的缺点，提出了一种基于改进暂态混沌神经网络的JPDA算法，理论分析和仿真结果验证了该算法通过改变不同搜索阶段网络参数的设置，提高了网络的收敛速度，有效地降低了算法的运行时间。

目录

第一个书签之前