觀測誤差協(xié)方差不確定環(huán)境下的多雷達機動目標(biāo)跟蹤算法研究.pdf

1、機動目標(biāo)跟蹤技術(shù)屬于目標(biāo)跟蹤領(lǐng)域，是一類重要的信息融合問題，主要指利用雷達、紅外等傳感器的量測信息對機動目標(biāo)的位置、速度等狀態(tài)進行估計的過程。作為目標(biāo)跟蹤中的一個關(guān)鍵技術(shù)，機動目標(biāo)跟蹤技術(shù)在戰(zhàn)場監(jiān)測、國土預(yù)警、深空探測、火力控制、工業(yè)控制、智慧交通等領(lǐng)域得到了廣泛的應(yīng)用。近年來，隨著高性能武器的快速發(fā)展，機動目標(biāo)跟蹤環(huán)境日益復(fù)雜，導(dǎo)致對跟蹤技術(shù)的要求愈來愈高，使得傳統(tǒng)機動目標(biāo)跟蹤技術(shù)受到嚴(yán)重挑戰(zhàn)。傳統(tǒng)機動目標(biāo)跟蹤技術(shù)常采用單傳感器在單向

2、融合模式下對機動目標(biāo)狀態(tài)進行跟蹤估計，較難實現(xiàn)信息的累積與復(fù)用，因此不易處理復(fù)雜環(huán)境下強機動模式不確定和觀測誤差協(xié)方差未知等問題，限制了機動目標(biāo)跟蹤算法的性能提升。為此，本文針對觀測誤差協(xié)方差不確定環(huán)境下的強機動目標(biāo)跟蹤問題進行研究，主要工作和研究成果如下：
　　1）針對觀測誤差協(xié)方差不確定時目標(biāo)跟蹤效果退化的問題，首先引入反饋融合機制提出一種觀測誤差協(xié)方差一致無偏估計方法，進一步構(gòu)建了一種觀測誤差協(xié)方差自適應(yīng)估計卡爾曼濾波算法（

3、Feedback Fusion based Observation Error Covariation Adaptive Estimating Kalman Filter，OECAE-KF）。與傳統(tǒng)算法相比，當(dāng)先驗觀測誤差協(xié)方差偏離實際時，本算法得到了更高的濾波估計精度與魯棒性。
　　2）傳統(tǒng)的機動目標(biāo)跟蹤算法大多應(yīng)用于單雷達跟蹤場景，沒有融合多雷達信息，限制了跟蹤效果的提高。為此，提出了一種基于IMM的雙基雷達多模型融合機動目標(biāo)

4、協(xié)同跟蹤算法（Multiple Models Fusion Algorithm for Maneuvering Target Synergistic Tracking by Multiple Radars，MR-MMST）。與傳統(tǒng)算法相比，當(dāng)目標(biāo)發(fā)生機動時，本算法能夠得到更高的跟蹤精度。
　　3）考慮利用預(yù)警衛(wèi)星及雷達對彈道導(dǎo)彈進行觀測，針對彈道導(dǎo)彈主動段、自由段和再入段建立三種不同的運動模型，通過MR-MMST算法實現(xiàn)對彈道導(dǎo)彈

5、的跟蹤應(yīng)用。
　　4）在MR-MMST中引入OECAE-KF算法，構(gòu)建一種觀測誤差協(xié)方差不確定環(huán)境下多雷達機動目標(biāo)跟蹤算法（Multiple Radars Fusion Multiple Models Synergistic Tracking Algorithm in Uncertain Environment，UE-MMST），使其能夠同時處理目標(biāo)機動與觀測誤差協(xié)方差未知的問題。仿真實驗證明：當(dāng)先驗觀測誤差協(xié)方差偏離實際時，所提