论文部分内容阅读
被动雷达是电子对抗系统中重要的组成部分，已成为各国未来武器系统中重要的发展方向之一。由于目标辐射源信号和电磁波传播环境的复杂性，导致被动雷达的跟踪精度较低。若利用数据融合方法有效地融合被动雷达的不同信息，从而改善目标跟踪精度，同时提高被动雷达对多目标的分辨率。本论文正是针对上述问题，以被动雷达数据融合算法为主要的研究对象，在深入分析影响目标跟踪的主要因素的基础上，对被动雷达数据关联、目标测量数据和目标状态融合算法作了创新性和探索性研究。本文的主要内容和创新如下：1．深入分析了影响被动跟踪的主要因素。将PCRLB(Posterior Cramer-RaoLower Bound)理论应用于单目标被动跟踪情况中，给出了仅使用角度跟踪PCRLB的数学表达式，在表达式中考虑了过程噪声等因素。另外，这一结果被进一步推广，给出了多目标情况下的PCRLB数学表达式。最后，通过仿真直观得给出了各因素与跟踪精度下限的关系。2．提出了被动跟踪条件下的联合概率数据关联(Join Probability DataAssociation JPDA)算法。利用被动雷达所提取的目标辐射源信号特性，对传统的JPDA算法进行了改进，提高了目标关联正确概率。在此基础上，提出了目标信号分类矩阵JPDA算法，并将该算法推广到多传感器多目标的JPDA算法中，提高被动雷达对多目标的分辨率。3．研究了传统的测量数据融合算法，在此基础上提出了针对被动跟踪的通用测量数据融合算法。另外，结合文中提出的多目标数据关联算法，给出了多目标通用测量数据融合算法。并将此通用算法应用在三个不同的被动测量数据中，通过仿真试验与传统的测量融合算法进行比较，该算法能有效改善目标跟踪精度。4．通过理论推导给出了基于协方差交叉状态融合的Kalman滤波算法。并将该算法与传统的状态融合算法进行了比较，新算法整体性能更优。另外，新算法与测量融合比较，在跟踪精度上接近，但计算量更小，通信量更少。同时，本文对影响算法的三个主要因素，即采样时间、系统是否反馈和传感器数量，进行了深入的分析。进一步，结合修正的K近邻域航迹关联算法，将该算法推广到多传感器多目标的情况，并给出了仿真试验证明其有效性。