多传感器机动目标状态融合算法研究

《多传感器机动目标状态融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕l二论文多传感器机动嗣标状态融合算法研究摘要当前，多传感器信息融合己成为国内外相关研究领域的热点与关键技术。随着现代战争中敌方飞行羁标的机动性能与战术手段的不断提高与完善，利用单个传感器的量测数据已很难实现对目标的不间断跟踪。同时，在集中式单个高精度传感器的昂贵成本与低抗毁性的情形下，选择多个成本与精度均适中的传感器，组成分布式的传感器网络，利用多传感器信息融合技术来保证目标跟踪的性能，则成为有限成本下的一种现实丽可行的选择。本文基于实际工程背景，利用多个低成本小型雷达组成分布式探测网，通过对现有多传感

2、器的信息融合理论的深入研究与算法改进，实现了对譬标的高可靠与高精度跟踪。首先，对当自仃国内外公认的三类单传感器的自适应滤波算法进行系统分析和仿真研究。结果表明：交互式多模型(IMM)算法有着更高的跟踪精度，但对于低精度的单传感器系统，即使是采用先进的IMM算法，系统精度也很难进一步褥到提高。然后，本文采用了分布式融合结构，在对当前国内外广泛研究的简单融合算法、豆协方差融合算法和分层融合算法分析比较的基础上选用分层融合算法。理论分析与数字仿真结果显示了此方法的可行性，对多个低成本小型雷达的航迹融合有效提高了

3、系统的跟踪精度，特别是机动情况下的改善效果尤为明显。针对异步航迹的融合问题一点是实际工程中常见的迫切需要解决的难点问题，为便于工程实现，本文基于设定融合周期的异步融合模型，从同步情况下的分层融合算法出发，给出一种最优的异步分层融合算法。最后，对异步仿真数据进行处理，验证了该算法是行之有效的，为工程应用提供了有益的参考。关键词：多传感器系统，信息融合，星标跟踪，异步Abstract硕1：论文Presently,themulti-sensorinformationfusionhasbecomethehotar

4、eaandthekeytechnologiesindomesticandforeignresearch．Withthemobilityandthetacticalmeansconstantlyimprovingandperfectingofenemy’Sfli曲ttargetsinmodernwarfare，usingasinglesensormeasurementdatahasbeendifficulttoachievethegoalofcontinuoustracking．Underthesituat

5、ionofthecentralsinglehighaccuracysensor’Sexpensivecostandthelowsurvivability,composingofdistributedsensornetworkswithmodestcostandaccuracysensors，usingmulti-sensordatafusiontechnologytoensuretheperformanceoftargettracking，whichhasbecamearealisticandfeasib

6、lechoicewithlimitedcost．Basedontheengineeringbackground，anumberoflow-costradarswereusedtocomposedistributeddetectionnetwork，whichachievedthegoalofthehighreliabilityandhighprecisiontrackingthroughthein—depthstudyofexistingmulti-sensordatafusiontheoryandalg

7、orithms．Firstly,systemicanalysisandsimulationofsingle—sensoradaptivefilteringalgorithmswhichrecognizedindomesticandforeignweregiveninthisthesis．Theresultsshowedthattheinteractivemulti-model(IMM)algorithmhadahi曲erintegratedprecision，whichwasdifficulttofurt

8、herimprovethesystemaccuracybecauseofthesinglesensor’Slowaccuracydata．Next，basedontheanalysisandcomparisonofthepresentwidespreadresearchofthesimplefusionalgorithmandthecovariancefusionalgorithmandthelaminationfusiona