機載多傳感器多目標航跡關聯(lián)與融合技術研究.pdf

1、多傳感器多目標融合跟蹤技術將數(shù)據(jù)融合技術運用于目標跟蹤領域，解決了軍事和民用中的諸多問題，具備廣闊的應用前景和巨大的科研價值。其中，高密集度機動目標跟蹤是該領域的一個重點和難點問題。本論文基于機載平臺，探討多傳感器多目標融合跟蹤領域的數(shù)據(jù)預處理、航跡跟蹤、航跡關聯(lián)和融合各項關鍵技術，最后從系統(tǒng)高度研究數(shù)據(jù)融合系統(tǒng)仿真平臺。本論文的研究重點在于融合跟蹤系統(tǒng)中的航跡關聯(lián)與融合技術，提出了一些關于航跡關聯(lián)與融合的有效新方法，設計并實現(xiàn)具有一定

2、適應性和擴展性的數(shù)據(jù)融合系統(tǒng)仿真平臺。本文的工作與創(chuàng)新點如下：
　　（1）預處理與航跡濾波方法。首先，詳細探討野值剔除、數(shù)據(jù)配準等數(shù)據(jù)預處理技術；然后，介紹了局部節(jié)點目標跟蹤技術，通過跟蹤三種典型航跡，比較了幾種常用的自適應機動目標跟蹤算法的性能。
　?。?）傳感器航跡關聯(lián)問題。機載雷達與紅外傳感器相關問題，是多傳感器數(shù)據(jù)融合中的一個重要課題?，F(xiàn)有算法僅利用方位信息，采樣極大似然準則進行航跡關聯(lián)，不僅性能欠佳，而且算法不易收

3、斂。本文基于統(tǒng)計和模糊數(shù)學理論，綜合利用方位和俯仰信息，優(yōu)化相關判別準則，給出一種機載雷達與紅外傳感器航跡關聯(lián)算法，提高了航跡關聯(lián)率。
　?。?）航跡融合算法。如何確定最優(yōu)加權因子是加權航跡融合算法中一個值得深入研究的問題。通過構造多模型航跡質量(Track Quality based on Multiple Model，TQMM)這個量值，給出一種帶信息反饋的加權航跡融合算法，來解決多傳感器對同一目標進行跟蹤時權值的最優(yōu)分配問題

4、。系統(tǒng)引入反饋機制，利用多模型航跡質量確定權值，能夠精確地更新權值，從而實時有效地進行目標跟蹤。仿真結果表明，與經(jīng)典的加權融合算法相比，基于TQMM的加權融合算法具有更好的跟蹤性能，特別是在融合系統(tǒng)傳感器觀測精度相差較大的情況下，算法的跟蹤效果更為突出。并且，隨著傳感器數(shù)目的增加，系統(tǒng)的跟蹤精度逐步提高，不過當傳感器增加到一定數(shù)目時，系統(tǒng)的融合精度并沒有得到明顯改善。
　　（4）航跡融合算法。由于多傳感器的采樣速率各異、通信延遲以

5、及目標時而離開傳感器觀測區(qū)域，觀測數(shù)據(jù)的時間間隔隨機變化，此類觀測數(shù)據(jù)不同步問題大大降低了多傳感器系統(tǒng)的跟蹤精度。因此，研究多傳感器異步融合比研究同步數(shù)據(jù)融合更具實際意義。通過建立觀測數(shù)據(jù)時間間隔無規(guī)律變化情況下的異步航跡融合模型，并基于多模型航跡質量(TQMM)的概念，給出一種帶信息反饋的分布式異步航跡融合算法，將TQMM用于權值分配，提高了異步融合系統(tǒng)的性能。實驗結果表明，基于 TQMM的異步融合算法的性能比現(xiàn)有經(jīng)典異步融合算法更好