大型機場場面機動目標跟蹤算法研究.pdf

1、本文將機動目標跟蹤技術應用于機場場面活動目標跟蹤，重點對關鍵技術交互式多模型算法進行理論研究與改進。
　　首先從建模和濾波算法兩方面對機動目標跟蹤技術的基本方法進行理論分析。主要分析了四種常用的機動目標跟蹤模型，即曲線運動模型、Singer模型、當前統(tǒng)計模型、多模型，和三種經典的濾波器，即卡爾曼濾波器、擴展卡爾曼濾波器、粒子濾波器?？偨Y了卡爾曼濾波器在機動目標跟蹤中的具體運用及發(fā)展；詳細闡述了粒子濾波的基本原理、理論缺陷和解決辦法

2、。
　　其次將機動目標跟蹤技術應用于機場場面目標跟蹤。通過分析機場場面活動目標的背景及運動特點，結合地面目標跟蹤技術的相關研究成果，設計了場面單目標跟蹤器。機場場面有大量先驗信息可以用于提高跟蹤器的性能，這些先驗信息包括路面網絡結構、機場對場面活動目標的運動限制等。為了將這些先驗信息與估計器融合，在傳統(tǒng)跟蹤器的基礎上，新增了量測值預處理、模型調整、輸出優(yōu)化三個模塊。理論分析和仿真結果證明，這些模塊提高了跟蹤器性能。另外，設計了基于

3、場面地圖信息的交互式多模型算法，包括模型集設計、模型集自適應方法。理論分析和仿真表明，與傳統(tǒng)交互式多模型算法相比，該算法有更高的魯棒性。
　　然后針對交互式多模型算法模型失配導致的似然度估計不精確，提出了一種聯合似然估計方法。該方法將基于失配模型的實際新息分解為基于匹配模型的理論新息與匹配和失配模型之間的距離之和，由上述兩個已知的概率密度函數的卷積可得實際新息序列的聯合似然度，再利用條件概率公式求解模型似然度。與傳統(tǒng)的交互式多模型

4、算法相比，新算法提高了模型似然度的估計精度，降低了系統(tǒng)估計誤差。理論分析和仿真結果證明了該算法的有效性。
　　最后針對噪聲分布未知環(huán)境下的非線性目標跟蹤，提出了基于卷積粒子濾波的交互式多模型算法。該算法利用卷積粒子濾波器并行地運行多個模型，對前一時刻每個模型的狀態(tài)后驗概率密度進行交互，從交互后的概率密度中采樣作為當前時刻濾波器的初始粒子，對當前時刻每個模型的狀態(tài)后驗概率密度進行加權作為系統(tǒng)輸出。與基于粒子濾波的交互式多模型算法（I