高頻地波雷達艦船目標跟蹤關鍵技術研究.pdf

1、由于高頻地波雷達具有探測距離遠，探測范圍大等優(yōu)良特點，在一些領域有著重要的應用；然而其可能會隨著目標自身特性或環(huán)境背景差異而出現(xiàn)探測概率低、角探測精度低等不足，給目標跟蹤帶來很大困難。本文面向高頻地波雷達跟蹤艦船目標要求，提出或改進了數據處理關鍵問題若干方法，復雜背景下遠端艦船目標的航跡起始與跟蹤與是本文研究的重點。
　　本文首先介紹了雷達目標跟蹤中進行狀態(tài)估計所需要的基本知識。介紹了目標跟蹤中經典的卡爾曼濾波器原理、算法步驟；并

2、分析了傳統(tǒng)的非線性問題的濾波方法——擴展卡爾曼濾波，它將非線性問題線性化的近似性方法，從而使卡爾曼濾波應用于非線性領域中，本文指出了這種方法的優(yōu)點與不足。目標機動時，交互多模型濾波方法是最常用的方法之一，本文介紹了這種方法的原理并提出了新的多模型間轉移概率的選取方式，改進了算法性能。
　　地波超視距雷達數據處理過程中，由于遠端目標角精度低所引起的切向距離誤差更大，導致其航跡的形成往往比較困難。而且，針對遠端目標相對較低的探測概率也

3、使數據率變低，增加了航跡起始的不確定性。針對上述問題，基于信息論中的信息熵概念，利用目標探測角度誤差與距離誤差不相關的特性，本文提出了一種基于信息熵理論的遠端航跡起始方法，通過考察目標點跡徑向信息（距離、徑向速度）與切向信息（角度），將遠端航跡起始過程轉化成一個從較大信息熵過渡到較小信息熵的過程。并基于貝葉斯估計的理論，引入了信息熵在航跡起始時的計算方法，討論了信息熵理論框架下暫時航跡、確認航跡、假航跡的確認方法，最后分別通過仿真數據與

4、實際數據驗證了這種方法的有效性。
　　地波超視距雷達的量測方程是非線性的，而且其運動方式有時也存在非線性特征。傳統(tǒng)的解決非線性濾波思路是對非線性方程進行線性化近似，但這種近似勢必帶來線性化誤差，而誤差的積累會使濾波器性能下降，甚至導致其發(fā)散；解決此問題的一種替代思想是根據當前狀態(tài)值進行采樣，采樣出的“粒子”可以代替當前狀態(tài)的分布狀況，而采樣方式可以分成兩類：以無味濾波為代表的確定性采樣方式和以粒子濾波為代表的隨機采樣方式。

5、　　無味濾波(UF)為解決非線性問題提供了一種新的思路；首先介紹了無味濾波的原理——無味變換思想，闡述了無味濾波算法步驟；通過與其與擴展卡爾曼濾波對比，證明與擴展卡爾曼濾波相比，無味濾波在計算量上變化不大，而在性能上有較大優(yōu)勢。
　　粒子濾波（PF）技術通過非參數化的蒙特卡羅模擬方法實現(xiàn)遞推貝葉斯濾波，適用于非線性目標運動模型、非高斯噪聲背景下的目標跟蹤。它的本質是通過尋找一組在狀態(tài)空間中傳播的隨機樣本對概率密度函數進行近似，因此

6、其初始化精度對濾波效果有較大影響。針對其在應用于雷達目標跟蹤時的粒子初始化問題，本文提出了基于競爭機制的粒子初始化方法，根據初始階段有效粒子數原理選擇準確度高的粒子，從而改善其濾波效果。粒子濾波最大的困難是粒子退化，現(xiàn)有兩種類型的方法以改善粒子退化問題：優(yōu)化重要密度函數，重采樣；然而它們在使用范圍與計算量等方面還有待改善。針對這一情況，本文提出了一種新算法：一步采樣粒子濾波方法，該方法與重采樣方法出發(fā)點相同——即利用新的采樣方法改善退化

7、現(xiàn)象，不同點在于：這種方法完全摒棄了“一群粒子在空間中傳播”的思維模式，通過濾波均值與方差產生粒子，本方法在計算量與濾波效果方面均優(yōu)于重采樣方法。
　　概率數據互聯(lián)（PDA）算法是解決目標數據關聯(lián)的最常用的方法之一，屬于貝葉斯的濾波算法。最優(yōu)的貝葉斯方法需要對當前時刻以前的所有確認量測集合進行研究，并給出每一個量測序列的概率；而PDA只對最新的確認量測集合進行研究，因此是次優(yōu)的貝葉斯方法。實驗證明：與次優(yōu)的貝葉斯方法相比，最優(yōu)貝葉