论文部分内容阅读
机动目标跟踪技术属于目标跟踪领域,是一类重要的信息融合问题,主要指利用雷达、红外等传感器的量测信息对机动目标的位置、速度等状态进行估计的过程。作为目标跟踪中的一个关键技术,机动目标跟踪技术在战场监测、国土预警、深空探测、火力控制、工业控制、智慧交通等领域得到了广泛的应用。近年来,随着高性能武器的快速发展,机动目标跟踪环境日益复杂,导致对跟踪技术的要求愈来愈高,使得传统机动目标跟踪技术受到严重挑战。传统机动目标跟踪技术常采用单传感器在单向融合模式下对机动目标状态进行跟踪估计,较难实现信息的累积与复用,因此不易处理复杂环境下强机动模式不确定和观测误差协方差未知等问题,限制了机动目标跟踪算法的性能提升。为此,本文针对观测误差协方差不确定环境下的强机动目标跟踪问题进行研究,主要工作和研究成果如下:1)针对观测误差协方差不确定时目标跟踪效果退化的问题,首先引入反馈融合机制提出一种观测误差协方差一致无偏估计方法,进一步构建了一种观测误差协方差自适应估计卡尔曼滤波算法(Feedback Fusion based Observation Error Covariation Adaptive Estimating Kalman Filter,OECAE-KF)。与传统算法相比,当先验观测误差协方差偏离实际时,本算法得到了更高的滤波估计精度与鲁棒性。2)传统的机动目标跟踪算法大多应用于单雷达跟踪场景,没有融合多雷达信息,限制了跟踪效果的提高。为此,提出了一种基于IMM的双基雷达多模型融合机动目标协同跟踪算法(Multiple Models Fusion Algorithm for Maneuvering Target Synergistic Tracking by Multiple Radars,MR-MMST)。与传统算法相比,当目标发生机动时,本算法能够得到更高的跟踪精度。3)考虑利用预警卫星及雷达对弹道导弹进行观测,针对弹道导弹主动段、自由段和再入段建立三种不同的运动模型,通过MR-MMST算法实现对弹道导弹的跟踪应用。4)在MR-MMST中引入OECAE-KF算法,构建一种观测误差协方差不确定环境下多雷达机动目标跟踪算法(Multiple Radars Fusion Multiple Models Synergistic Tracking Algorithm in Uncertain Environment,UE-MMST),使其能够同时处理目标机动与观测误差协方差未知的问题。仿真实验证明:当先验观测误差协方差偏离实际时,所提出的算法能得到更高的目标状态估计精度。