信息融合系統(tǒng)中的目標(biāo)跟蹤及數(shù)據(jù)關(guān)聯(lián)技術(shù)研究.pdf

1、目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)技術(shù)是信息融合系統(tǒng)研究的一個重要課題，由于其在軍事和民用領(lǐng)域已經(jīng)展現(xiàn)出有效而廣闊的理論和應(yīng)用前景，備受國內(nèi)外學(xué)者和眾多工程領(lǐng)域?qū)＜业母叨汝P(guān)注。本論文針對信息融合系統(tǒng)中的目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)技術(shù)，從單傳感器的實時目標(biāo)跟蹤、多被動傳感器的機(jī)動目標(biāo)跟蹤、紅外弱小目標(biāo)檢測前跟蹤、多傳感器多目標(biāo)跟蹤等幾個方面進(jìn)行了深入系統(tǒng)的研究，提出了一些實時有效的新方法。各章內(nèi)容安排如下： 第一章簡要介紹了本文研究的背景、意義、信息融合

2、系統(tǒng)及多傳感器目標(biāo)跟蹤系統(tǒng)，概述了當(dāng)前信息融合、目標(biāo)跟蹤及檢測前跟蹤技術(shù)的研究現(xiàn)狀，最后給出了本文的主要研究成果和全文的內(nèi)容安排。 第二章介紹了目標(biāo)跟蹤的基本理論及其數(shù)學(xué)描述。對現(xiàn)有的多目標(biāo)跟蹤方法進(jìn)行了綜述，以簡明表格的形式對幾十種不同的多目標(biāo)跟蹤方法進(jìn)行了分類，并對算法的性能指標(biāo)進(jìn)行了評估對比。 第三章針對雜波環(huán)境中目標(biāo)跟蹤的實時性問題，提出了一類快速實時數(shù)據(jù)關(guān)聯(lián)新方法，包括最大熵模糊概率數(shù)據(jù)關(guān)聯(lián)濾波器(MEF-PD

3、AF)和最大熵模糊聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波器(MEF-JPDAF)。為了提高目標(biāo)跟蹤的實時性，提出了一種用模糊聚類隸屬度代替目標(biāo)關(guān)聯(lián)概率的權(quán)值分配新方案，并根據(jù)最大熵模糊聚類的特點，定義最大有效距離剔除大量無效觀測，從而減少了計算量。 第四章在第三章的基礎(chǔ)上，針對雜波環(huán)境中被動機(jī)動目標(biāo)跟蹤的實時性問題，提出了交互多模型最大熵模糊概率數(shù)據(jù)關(guān)聯(lián)濾波器，建立了被動多傳感器的觀測模型，給出了算法的結(jié)構(gòu)流程，并在不同仿真條件下對算法性能進(jìn)行了

4、驗證。為了提高算法的跟蹤性能，將粒子濾波與交互多模型結(jié)合，提出了一種適合于被動傳感器系統(tǒng)的機(jī)動目標(biāo)跟蹤算法，利用粒子濾波對非線性問題處理的優(yōu)勢，推導(dǎo)了雜波環(huán)境中粒子濾波似然函數(shù)的表達(dá)形式，給出了算法的結(jié)構(gòu)流程，并對算法性能進(jìn)行了評估比較。 第五章在第四章基礎(chǔ)上，繼續(xù)對粒子濾波及檢測前跟蹤算法作了進(jìn)一步研究。提出了一種基于迭代擴(kuò)展卡爾曼濾波的粒子濾波新方法，利用迭代擴(kuò)展卡爾曼濾波產(chǎn)生粒子濾波的重要性密度函數(shù)，使重要性密度函數(shù)能夠融

5、入最新觀測信息的同時，更加符合真實狀態(tài)的后驗概率分布。在此基礎(chǔ)上，提出了一種基于粒子濾波的紅外弱小目標(biāo)檢測前跟蹤算法(TBD)，給出了算法的流程，并用真實紅外圖像對算法進(jìn)行了仿真驗證。 第六章在FCM數(shù)據(jù)關(guān)聯(lián)的基礎(chǔ)上，提出了一種基于多FCM數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法。為了使算法適應(yīng)于雜波情況，提出了一種改進(jìn)的FCM數(shù)據(jù)關(guān)聯(lián)方法，增強(qiáng)了算法的魯棒性，提高了算法的跟蹤性能。此外，為了跟蹤多個被動目標(biāo)，提出了一種快速模糊概率雙加權(quán)數(shù)據(jù)關(guān)