要地防卫毫米波雷达航迹融合与目标跟踪算法实现与研究

摘要

毫米波雷达以其探测距离远、全天候全天时工作、抗干扰能力强、实时提供目标方位属性信息、架设简单、维护成本低等优点在要地防卫场景下体现出了突出的优势，已成为国内外安全领域研究的热点方向。虽然目标跟踪相关理论已经比较成熟，但是毫米波雷达应用于要地防卫场景的时间并不久。因此，在选取何种数据关联滤波算法及结合具体应用环境进行算法改进来提高算法表现性能等方面仍有很大的研究空间。本文就要地防卫场景下毫米波雷达目标跟踪技术进行了研究，主要包括如下几点： 1、针对实际应用环境下的测试数据，对比验证了卡尔曼滤波算法与扩展卡尔曼滤波二者的滤波效果。在确定选择应用卡尔曼滤波后，结合实际数据分析了远处滤波效果较差的原因，得出了低回波信噪比通过影响了测角的准确性而影响了滤波效果的结论。在此结论的基础上，提出了一种角度与信噪比加权的卡尔曼滤波算法，有效减少了滤波轨迹在远处的波动。 2、针对单目标跟踪的问题，基于采集的线性运动目标数据和非线性运动目标数据，对比分析了最近邻关联算法和概率数据关联算法两种算法的跟踪性能，并给出了不同程度杂波环境下二者的跟踪表现。针对多目标跟踪的问题，验证分析了联合概率数据关联算法在跟踪精度、算法耗时、误跟踪率三个方面和经验联合概率数据关联算法的表现差异。 3、针对实际产品应用中遇到的扩展目标跟踪问题，首先提出了一种基于余弦定理的扩展目标跟踪方法，该方法可在单目标和稀疏多目标条件下进行扩展目标跟踪。之后研究分析一种适合应用于高分辨雷达的扩展目标跟踪方法，即基于I和L形模型的扩展目标跟踪算法，相比于未进行该处理的跟踪方法，可有效提升跟踪精度。

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究动态

1.3 重要工作及内容安排

第二章 目标跟踪基本理论

2.1 目标运动模型

2.1.1 线性模型

2.1.2 非线性模型

2.2 滤波算法

2.2.1 卡尔曼滤波（KF-Kalman Filter）

2.2.2扩展卡尔曼滤波（EKF-Extended Kalman Filter）

2.3 数据关联算法

2.3.1 最近邻域法

2.3.2 概率数据关联算法

2.3.3 联合概率数据关联算法

2.4 实验平台介绍

2.5 本章小结

第三章 目标跟踪滤波算法研究

3.1 卡尔曼滤波算法实际数据验证

3.1.1 算法实现流程

3.1.2 卡尔曼滤波初始化

3.1.3 实际数据验证

3.2 扩展卡尔曼滤波算法实际数据验证

3.2.1 扩展卡尔曼滤波算法流程图

3.2.2 扩展卡尔曼滤波推导与初始化

3.2.3 实际数据验证

3.3 KF与EKF实际数据滤波效果对比

3.3.1 机动车非线性运动滤波效果对比

3.3.2 行人非线性运动滤波效果对比

3.3.3 结论

3.4 基于信噪比加权的卡尔曼滤波器

3.4.1 问题的引出与分析

3.4.2 算法原理与实现流程

3.4.3 实际数据验证

3.5 本章小结

第四章 目标跟踪数据关联算法研究

4.1 单目标跟踪——NNF与PDAF分析对比

4.1.1 算法实现流程

4.1.2 实际数据验证与仿真分析

4.2 多目标跟踪——JPDAF与经验JPDAF

4.2.1 算法流程图

4.2.2 仿真结果与分析

4.3 本章小结

第五章 扩展目标跟踪研究

5.1 基于余弦定理的扩展目标跟踪

5.1.1 问题描述

5.1.2 数学建模

5.1.3 算法步骤与流程图

5.1.4 算法验证

5.2 基于I和L形模型的扩展目标跟踪

5.2.1 I和L形特征提取

5.2.2 目标位置信息提取

5.2.3 算法验证

5.3 本章小结

第六章 结语

6.1 工作总结

6.2 研究工作的不足及展望

致谢

参考文献

攻硕期间取得的研究成果