基于多源传感器信息融合的目标跟踪算法研究

摘要

本文针对在敌我识别(Identification Friend or Foe，IFF)系统与雷达的目标敌我综合识别项目中IFF系统与雷达目标跟踪融合模块开展研究工作。此模块的功能是要以机载雷达和滤波跟IFF系统提供的测量信号为研究对象，通过对这两种信息融合进行数据关联，踪，航迹关联，及其航迹融合等处理，最终给出目标的精确的航迹信息和状态估计信息。根据这些航迹信息、速度信息为IFF系统与雷达的目标综合识别提供更加精确的目标属性信息。本文主要在以下几个方面做了研究。
　　针对多源传感器信息融合的目标跟踪问题，研究了目标跟踪中的状态估计滤波算法，主要研究了在线性高斯系统下的卡尔曼滤波算法，非线性高斯系统下的扩展卡尔曼滤波和不敏卡尔曼滤波算法，并且对后两种算法的进行了性能比较。同时研究了航迹管理的过程，特别对数据准备、数据关联、航迹初始化，航迹维持和航迹撤销做了详细研究，这是航迹生成的重要环节，并做了在杂波环境下的多目标跟踪起始仿真。主要针对基于IFF系统与雷达的两种传感器做航迹融合的研究，考虑IFF系统和雷达状态估计精度不同和采样周期不同，研究了模糊航迹融合算法和异步航迹融合方法，并介绍了针对这两种融合算法的航迹关联方法，给出了这两种融合算法的仿真。
　　本文重点研究了多传感器目标跟踪的状态估计滤波、数据关联、航迹跟踪及航迹融合等问题，取得了一定的进展。多传感器的目标跟踪研究中，当研究三个或三个以上传感器，面临它们的采样周期各不相同时，异步航迹融合的扩展算法还相当的复杂，需做进一步研究。

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本文研究内容

第二章 目标跟踪的基本原理

2.1递归贝叶斯滤波理论

2.2线性系统下的滤波—卡尔曼滤波器

2.3非线性系统下的滤波估计

2.4 EKF与UKF的仿真

2.5本章小节

第三章 传感器航迹管理

3.1数据准备

3.2数据关联

3.3航迹生成

3.4本章小节

第四章 多传感器航迹融合

4.1多传感器航迹融合结构

4.2信息融合

4.3航迹融合

4.4模糊航迹融合

4.5异步航迹融合

4.6本章小结

第五章 总结与展望

致谢

参考文献

攻读硕士期间取得的研究成果