多机动目标跟踪技术研究

《多机动目标跟踪技术研究》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、南京航空航天大学硕士学位论文多机动目标跟踪技术研究姓名：田嘉洪申请学位级别：硕士专业：导航、制导与控制指导教师：陈谋20070101南京航空航天大学硕士学位论文摘要由于在军事和民用领域具有广阔的应用前景，目标跟踪问题的研究一直受到人们的广泛关注。最近几十年来，国内外众多专家学者对之进行了深入的研究，并取得了丰硕的成果。多机动目标跟踪问题是目前目标跟踪领域的一个重要研究方向，它是将传感器接收到的众多量测值按照它们的来源分类，给出各跟踪目标的运动轨迹，并分析运动轨迹的准确性和可靠性。本文主要对多机动目标跟踪中的两

2、个关键技术，即数据关联与跟踪维持进行研究。首先研究了几种常用的机动目标跟踪算法：卡尔曼滤波算法、扩展卡尔曼滤波算法、“当前”统计模型算法和交互式多模型算法，并提出了一种“当前”模型的模糊改进算法，经过对几种自适应滤波算法的仿真比较，证明它们用于解决机动目标跟踪问题是有效可行的。其次对多目标航迹的起始和终结方法进行了研究，并重点研究了机动目标跟踪的几种数据关联的方法，包括最近邻数据关联，概率数据关联和联合概率数据关联，并提出了一种改进当前模型－概率数据关联算法，仿真证明其较传统的交互式多模型－概率数据关联（IM

3、M-PDA）算法具有更高的精确度。接下来针对目前目标跟踪中模型普遍存在非线性的现象，研究了几种非线性滤波的方法，包括扩展卡尔曼滤波、无味卡尔曼滤波和粒子滤波，并进行了仿真实验和性能分析。最后设计了一种基于支持向量机的多目标数据关联算法，即把量测新息作为支持向量机的输入，通过支持向量机对各个传感器的测量数据进行分类，从而实现量测与航迹的关联。在跟踪维持阶段，采用交互多模型算法和无味卡尔曼滤波相结合的方法，以此来实现多机动目标的精确跟踪。论文对多机动目标跟踪的理论及方法进行了阐述，并对自适应滤波算法以及数据关联算

4、法进行了研究。无味卡尔曼滤波和支持向量机被引入目标跟踪的研究，且取得了较好的效果。论文还提出了今后多目标跟踪的发展方向。关键词：多机动目标跟踪，交互式多模型，当前统计模型，数据关联，支持向量机，无味卡尔曼滤波i多机动目标跟踪技术研究ABSTRACTDuetoitsextensiveapplicationperspectiveinmilitaryandcivilindustries,studyontargettrackinghasbeenpaidmoreattentionbyresearchersinthewo

5、rld.Inrecentyears,targettrackingtechnologyhasbeenlargelystudied,andplentifulresultshavebeenacquired.Multiplemaneuveringtargetstrackingisaresearchfocusofthefieldoftargettrackingatpresent.Itclassifiesthemeasurementsofnumeroussensorsaccordingtotheirsources,gai

6、nsthetracksofeverytarget,andthenanalyzestheveracityandreliabilityofthetargettracks.Thispaperisconcernedwithtwoaspectsofmultiplemaneuveringtargetstrackingtechnology,thosearedataassociationandtrackingmaintenance.Firstly,severalpopularmaneuveringtargettracking

7、algorithms,suchasKalmanfilteringalgorithm,extendKalmanfilteringalgorithm,“current”statisticalmodelalgorithmandinteractingmultiplemodelalgorithmarestudied.Then，amodified“current”statisticalmodelalgorithmbasedonfuzzylogicispresented.Thesimulationresultsdemons

8、tratetheavailabilityofthesetrackingalgorithms.Secondly,methodsoftrackinginitiationandterminationofmultipletargetsarestudied.ThenseveralmethodsofdataassociationarestudiedindetailsandanewModifiedCurrentM