无源配准关联参数估计联合算法研究

摘要

无源定位因其隐蔽性好、作用范围远、生存能力强等优点在现代战争中发挥着不可比拟的作用。目前的非线性滤波算法在传感器系统有偏差、噪声方差和初始状态未知、以及多传感器多目标的复杂跟踪环境下可能出现估计结果次优或者发散的现象。因而对无源定位环境下模型配准、数据关联、和参数估计的联合算法的研究,并且在此基础上研发一种有较高的开放性和扩展性的多目标多量测数据融合估计算法进行实验或仿真实验的软件平台,是非常有意义的。
　　本文参考往年先进估计融合算法,借鉴了在带未知参数混合模型参数估计领域有良好发挥的迭代期望最大化算法(Expectation-maximization, EM),提出了一种基于EM-UKS的联合配准关联参数估计算法。在推导出跟踪系统的全数据似然函数表达式后,在 M步中通过最大化似然函数的期望值得到新的未知系统参数估计,在E步中利用无迹卡尔曼平滑器(Unscented Kalman Smoother, UKS)和上一步所得系统参数估计推导目标状态和关联矩阵估计,并且循环直至收敛。仿真结果显示此算法在参数估计方面表现良好,而且优于扩维滤波,在数据关联方面与主流的融合算法表现一样优秀。
　　最后在详细分析算法方法的基础上,针对多传感器多目标跟踪环境搭建了数据融合仿真平台。平台的人性化界面、基于TCP/IP协议的网络架构、以及开放的算法调用接口使它具有较好的实用性和可扩展性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 当前研究不足

1.4 本文研究内容

第二章 配准和参数估计算法理论研究

2.1 被动跟踪系统的模型研究

2.2 滤波定位算法

2.3 传感器空间配准

2.4 算法性能评价指标

2.5本章小结

第三章 双站被动跟踪系统配准估计联合算法实现

3.1 基于EM-UKS法的联合模型配准与参数估计问题

3.2 EM-UKF算法与扩维UKF算法对比仿真

3.3 本章小结

第四章 基于关联矩阵的多传感器多目标联合估计算法

4.1 基于关联矩阵的联合估计算法

4.2 仿真对比融合算法

4.3 融合仿真结果

4.4本章小结

第五章 多传感器多目标融合定位平台的软件设计与实现

5.1 平台设计要求

5.2 平台功能分析

5.3 仿真评估平台的软件设计

5.4 平台特点

5.5 仿真评估软件平台主要功能界面

5.6 仿真评估结果

5.7 本章小结

第六章 总结与展望

6.1 全文总结

6.2 未来展望

参 考 文 献

致谢