多雷达航迹关联与融合技术研究

摘要

多传感器数据融合技术将来自不同传感器的数据进行处理以得到比单个传感器更多,更精确的信息以提高系统的性能。近年来,随着在军事领域及民用领域的应用,数据融合技术越来越引起大家的研究兴趣。本论文主要研究了以下几个方面的内容:目标的状态估计、数据对准、航迹关联、航迹融合及仿真系统。
　　 首先本文回顾了数据融合中的基本概念、原理、功能模型、结构及数据融合的研究意义、应用等。
　　 然后本文对卡尔曼滤波、扩展卡尔曼滤波、UT变换卡尔曼滤波及粒子滤波等目标状态估计方法进行了研究,给出了计算机仿真结果及其性能对比。
　　 在多传感器数据融合中,由于校正雷达的偏差是对来自不同传感器系统的数据进行关联的基础性问题,本文对基于地心坐标的最小二乘法(ECEF-GLS)和卡尔曼滤波偏差估计方法进行了研究。由于这两种算法是建立在已知相关联航迹基础上的,但由于航迹关联与偏差校正互为前提,在系统工作的开始,航迹关联信息往往是不知道的,所以其应用受到限制。为此本文研究了一种建立在剪枝法和卡尔曼滤波方法或最小二乘法基础上的偏差估计方法。
　　 在系统进行信息融合前必须保证融合的数据来自同一个目标,文中给出了基于D-S证据理论的方法解决这一问题。然而在目标密集的环境中,由于目标距离较近会使一般的航迹关联算法性能下降导致航迹关联错误,因此在这种情况下有效的关联算法应该从全局来考虑。人们已经分别提出了Hopfield神经网络航迹关联算法,但是这些算法的共同前提是所有雷达都探测到相同的目标,但在实际应用中这是不现实的,为解决这一问题本文对连续状态Hopfield神经网络(CHNN)关联算法进行了推广,并进一步推广到三个雷达的情况。为提高该算法收敛速度对航迹间Mahalanobis距离做了重新定义。
　　 为进一步提高CHNN方法的性能,本文尝试了用混沌神经网络(CNN)进行航迹关联的方法,仿真结果显示该方法比CHNN方法提高了航迹关联正确率。
　　 本文还研究了两种航迹融合的算法:SF法和WCF法,并介绍了在实验室光电火控系统仿真平台上,构建了航迹融合仿真子系统的方法。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景与意义

1.2 多雷达航迹融合系统简介

1.2.1 单雷达数据处理

1.2.2 多传感器数据融合系统的功能模型

1.2.3 多雷达数据融合系统的结构

1.2.4 多雷达数据融合系统的优点

1.3 多雷达数据融合系统的应用

1.4 国内外研究现状

1.5 本文的主要内容

1.6 本文的结构安排

第二章 目标状态估计

2.1 卡尔曼滤波器

2.2 扩展卡尔曼滤波

2.3 Unscented卡尔曼滤波器(UKF)

2.3.1 UT变换

2.3.2 Uscented卡尔曼滤波

2.3.3 粒子滤波

2.4 交互式多模型算法

2.5 本章小结

第三章 多雷达系统的误差配准

3.1 常用坐标系及坐标转换

3.1.1 常用坐标系

3.1.2 坐标转换

3.2 时间校准

3.2.1 最小二乘时间对准

3.2.2 内插外推法

3.3 空间误差配准

3.3.1 误差空间配准常用方法

3.3.2 最小二乘法空间配准

3.3.3 卡尔曼滤波偏差估计

3.4 联合关联偏差配准

3.4.1 剪枝法求解关联向量

3.4.2 算法仿真及结果分析

3.5 本章小结

第四章 航迹关联与融合

4.1 航迹关联问题的数学模型

4.2 D-S证据理论在航迹关联中的应用

4.2.1 基于证据理论的航迹关联算法

4.2.2 算法仿真

4.3 基于CHNN的航迹关联

4.3.3 CHNN航迹关联算法回顾

4.3.4 推广的CHNN航迹关联算法

4.3.5 仿真验证

4.4 混沌神经网络在航迹关联中的应用

4.4.1 混沌神经网络模型

4.4.2 基于混沌神经网络(CHNN)的航迹关联

4.4.3 仿真实例

4.5 本章小结

第五章 航迹融合及仿真系统设计

5.1 航迹融合

5.1.1 航迹融合的结构

5.1.2 简单凸组合(SF)融合算法

5.1.3 协方差加权航迹融合(WCF)

5.2 航迹融合仿真系统

5.3 本章小结

总结与展望

参考文献

攻读硕士学位期问所发表的学术论文及科研情况

致谢