异步多雷达目标跟踪及闪烁噪声的鲁棒融合算法

摘要

基于异步多雷达的目标跟踪是多传感器信息融合领域的研究热点之一，在军事打击与防御、航空航天、机器人导航等方面具有很好的实用价值和应用前景。本文结合“十一五”武器装备预先研究项目，对异步多雷达目标跟踪及闪烁噪声的鲁棒融合算法进行了深入的研究，主要研究工作和取得的成果如下：
　　 (1)综述了异步多传感器多目标跟踪的基本理论，对经典的目标跟踪算法和数据关联算法进行了概括总结。
　　 (2)为了提高异步数据融合算法在融合估计精度、计算量、实时跟踪能力等性能指标，以不同采样起点同采样率的异步多传感器系统为研究对象，根据测量值映射原理提出了一种顺序式异步数据融合算法。该算法将各传感器的测量值在融合中心时钟下进行映射统一，然后在融合周期内各采样时刻对连续状态系统进行顺序离散化，最后用卡尔曼(Kalman)滤波器实现本周期内各量测的滤波融合。理论分析和蒙特卡洛仿真实验验证了算法的有效性。
　　 (3)针对不同测量精度且呈有理数倍采样的多传感器多目标跟踪问题，考虑无味联合概率数据关联(Joint Probability Data Association)算法和顺序式无味多传感器联合概率数据互联(Multi-sensor Joint Probability Data Association)算法的结合，提出了一种新的基于不同测量精度的异步多传感器多目标跟踪算法。
　　 该算法把多传感器映射后的测量数据作为一虚拟传感器观测值，当采样时刻有多个传感器的测量时，调用顺序式无味MSJPDA 算法进行滤波跟踪，当采样时刻仅有一个传感器的测量时，调用无味JPDA 算法进行滤波跟踪。仿真实验和信息融合软件系统的应用实例验证了算法的有效性。
　　 (4)考虑到二次雷达(Secondary Surveillance Radar)具有敌我方目标的辨别以及更精确的高度探测能力，在多变采样率传感器多目标跟踪环境下，提出了一种带SSR 修正的异步多传感器多目标跟踪算法。理论分析和仿真表明，带SSR修正的异步算法能够有效提高目标跟踪精度和正确关联率。
　　 (5)为了提高闪烁噪声下对多机动目标的跟踪能力，提出了一种基于模型集交互非高斯量测噪声情况下的多机动目标的鲁棒融合算法。该算法利用高斯分布和拉斯分布的合成对闪烁噪声进行建模，在多机动目标跟踪中采用两个模型集来处理闪烁噪声的情况。理论分析和仿真验证了算法的合理性和有效性。