【正文】 ，并在此基礎(chǔ)上給出了本文的結(jié)構(gòu)安排。(4)研究非線性濾波算法并對跟蹤系統(tǒng)進(jìn)行改進(jìn)主/被動聯(lián)合跟蹤系統(tǒng)涉及到非線性濾波問題。針對這種情況，需要尋求可行的時間配準(zhǔn)方案，從而提高目標(biāo)定位的精度。本論文解決的主要問題是：(l)尋找一種跟蹤性能評估方法對于主/被動協(xié)同跟蹤系統(tǒng)來說，根據(jù)怎樣的規(guī)則來實(shí)現(xiàn)兩種工作模式的轉(zhuǎn)換，是十分重要的。主/被動協(xié)同跟蹤系統(tǒng)能夠減少主動傳感器的開機(jī)時間，增強(qiáng)跟蹤系統(tǒng)的隱蔽性和生存能力，這在軍事領(lǐng)域有重要的意義。其中，第一種方法簡單實(shí)用；MSPDAF適應(yīng)于多雜波環(huán)境；IMM/MSPDAF適用于多雜波、目標(biāo)機(jī)動的場合，但計算量大。此后王國宏、何友等又基于模糊理論，對ESM與雷達(dá)的航跡關(guān)聯(lián)問題又進(jìn)行了研究，并提出了基于集對分的ESM與雷達(dá)的航跡關(guān)聯(lián)算法。不過由于被動傳感器本身的特性，即不能獲得距離信息，因此被動傳感器獨(dú)立對目標(biāo)進(jìn)行跟蹤時，很難得到精確的狀態(tài)估計。主動傳感器能夠提供完整的測量信息(距離量測、角度量測或其他多普勒信息)，所以它能夠較為精確地估計目標(biāo)狀態(tài)。很多學(xué)者在機(jī)動目標(biāo)跟蹤、分布監(jiān)測融合、多傳感器綜合跟蹤與定位、分布信息融合、目標(biāo)識別與決策信息融合、姿態(tài)評估與威脅估計等領(lǐng)域孜孜不倦，創(chuàng)造出不少理論和應(yīng)用成果，出現(xiàn)了一批多目標(biāo)跟蹤系統(tǒng)和有初步綜合能力的多傳感器數(shù)據(jù)融合系統(tǒng)[23]。二十世紀(jì)九十年代初，數(shù)據(jù)融合技術(shù)在國內(nèi)才逐漸形成高潮。此外，國外還出版了很多有關(guān)數(shù)據(jù)融合方面的專著。但真正的技術(shù)進(jìn)步和發(fā)展是二十世紀(jì)八十年代以后的事。兩種傳感器信息融合使用，不僅提高了高炮系統(tǒng)的瞄準(zhǔn)精度，也大大提高了抗干擾能力和惡劣環(huán)境下的生存能力。多傳感器數(shù)據(jù)融合可以擴(kuò)大偵測范圍，提高分辨率和估計精度，增強(qiáng)系統(tǒng)的可靠性，并且可以同時進(jìn)行有源和無源探測，增強(qiáng)系統(tǒng)的隱蔽性和生存能力。因此，多傳感器數(shù)據(jù)融合技術(shù)迅速地發(fā)展起來，并在軍事領(lǐng)域得到了廣泛的應(yīng)用。UKF和PF用非線性變換代替?zhèn)鹘y(tǒng)的線性變換，體現(xiàn)了一種先進(jìn)的思想，這種先進(jìn)思想就是“非線性估計算法應(yīng)更接近系統(tǒng)的非線性本質(zhì)[16]”。當(dāng)然，隨著研究的深入，神經(jīng)網(wǎng)絡(luò)等智能化方法在非線性估計領(lǐng)域中的地位將日漸重要。而粒子濾波是一種解決非線性非高斯問題的有效濾波算法，有著非常廣泛的應(yīng)用。插值濾波利用Stirling內(nèi)插公式將非線性模型按多項式展開，代替了EKF中的泰勒展開。至此，傳統(tǒng)意義下的被動跟蹤技術(shù)的理論框架基本建立，對PLE和EKF這兩種經(jīng)典的被動跟蹤算法的理論分析也初步完成。1978年Allen (Extended Kalman Filter,EKF)進(jìn)行了深入的研究[6]，分析了其固有誤差的統(tǒng)計特性。因此，在各種坐標(biāo)系中，狀態(tài)方程和觀測方程同時是線性的可能性非常小，想要獲得良好的狀態(tài)估計精度很困難的，這就涉及到非線性濾波技術(shù)。如何根據(jù)目標(biāo)特點(diǎn)選取模型和濾波算法，是目標(biāo)跟蹤問題中的關(guān)鍵。如何將其應(yīng)用到主/被動聯(lián)合跟蹤系統(tǒng)中，提高我方戰(zhàn)場優(yōu)勢，是一個值得關(guān)注的問題。如何將兩種數(shù)據(jù)有效地融合起來便成為一個非?，F(xiàn)實(shí)的問題。但是它也有其自身的不足，具有弱可觀測性等方面的缺點(diǎn)，難以同時滿足跟蹤精度和隱蔽性的要求。關(guān)鍵詞：主/被動聯(lián)合，協(xié)同跟蹤，相關(guān)波門，時間配準(zhǔn)，數(shù)據(jù)融合，不敏卡爾曼濾AbstractActivepassive joint tracking is an important part of target tracking on fusion of multisensor. It can achieve that the data of active sensor and passive sensor plement each other to improve the tracking accuracy and the system’s viability. The activepassive synergistic tracking discussed in this paper is a branch of activepassive joint tracking. It can meet the need of the good tracking accuracy and the good concealment at the same time, which has very important military significance and attracts wide attention in increasingly plex modern battlefield environment. Based on this background, this paper relates to the techniques of correlated gating, time registration, data fusion and nonlinear filtering. And based on these techniques, the paper studies and improves the activepassive joint tracking algorithm.First, the paper brings a tracking system’s performance evaluation with the knowledge of correlated gating, because for the activepassive synergistic tacking system, how to achieve the transformation between two modes, and minimize the boot time of active sensor, is very important. Then by parison, for highly maneuvering target, the paper educes with “current” model, the probability of receiving right echo and the size of associated area have better stability.Second, active sensor and passive sensor have different sampling periods, so if the data of different sampling times is used directly for targeting, it will lead to large errors. To avoid this possibility, the paper uses virtual bination method to implement the registration of data.Third, several data fusion structures and algorithms are introduced. By parison, a distributed fusion structure with feedback is chosen, which can achieve the data of active sensor and passive sensor plement each other and enhance the accuracy of target tracking. So, the method is useful for synergistic tracking system. The paper applies this method of data fusion in synergistic tracking system to improve its performance.Then, several nonlinear filtering algorithms are studied and pared. The unscented kalman filter is chosen by parison, and is applied in the activepassive synergistic tracking system to improve its performance. With theoretical arguments and several simulations, the validity of the improved algorithm is approved.Finally, With the simulation of the virtual route, the techniques of correlated gating , time registration, distributed fusion structure with feedback, and improved activepassive synergistic tracking algorithm is effective, and provide a useful reference to engineering application.Key word: activepassive joint, synergistic tracking, correlated gating, time registration, data fusion, the unscented kalman filterIII碩士論文 高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤算法研究目 錄摘 要 IAbstract III1 緒論 1 研究背景及意義 1 國內(nèi)外研究概況 1 非線性濾波理論研究概況 1 多傳感器數(shù)據(jù)融合技術(shù)研究概況 3 主/被動聯(lián)合跟蹤研究概況 4 本文的主要工作及安排 5 研究內(nèi)容 5 論文結(jié)構(gòu)安排 62 主/被動聯(lián)合跟蹤方法研究 9 概述 9 主動跟蹤與被動跟蹤技術(shù) 9 被動定向跟蹤 10 被動定位跟蹤 10 被動跟蹤的可觀測性 13 主/被動聯(lián)合跟蹤的定位 13 跟蹤系統(tǒng)結(jié)構(gòu)及工作原理 13 跟蹤性能評估 14 異步數(shù)據(jù)的時間配準(zhǔn) 18 數(shù)據(jù)融合 20 無反饋與有反饋性能仿真比較 24 主/被動協(xié)同跟蹤系統(tǒng) 27 本章小結(jié) 303 非線性濾波算法研究 31 概述 31 測量坐標(biāo)系的選擇 31 幾種典型的非線性濾波 33 經(jīng)典線性濾波器—卡爾曼濾波 33 擴(kuò)展卡爾曼濾波 33 不敏卡爾曼濾波 35 仿真比較 37 基于“當(dāng)前”統(tǒng)計模型的濾波算法 38 Singer模型 39 “當(dāng)前”統(tǒng)計模型 39 相關(guān)波門的研究 42 43 本章小結(jié) 474 高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤 49 仿真環(huán)境 50 仿真結(jié)果及分析 50 異步數(shù)據(jù)時間配準(zhǔn)仿真 50 主/被動傳感器數(shù)據(jù)融合仿真 52 主/被動協(xié)同跟蹤與同時跟蹤仿真 545 結(jié)束語 65 總結(jié) 65 展望 65致 謝 67參考文獻(xiàn) 69V碩士論文 高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤算法研究1 緒論 研究背景及意義隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，現(xiàn)代戰(zhàn)爭的環(huán)境越來越復(fù)雜，在復(fù)雜環(huán)境下進(jìn)行目標(biāo)跟蹤，由于受傳感器管理及決策的影響，戰(zhàn)場環(huán)境的限制，以及提高生存能力等的要求，多個傳感器均能同時工作的理想條件往往難以實(shí)現(xiàn)。然后，介紹了幾種數(shù)據(jù)融合結(jié)構(gòu)及算法，通過比較，選擇了有反饋的分布式融合結(jié)構(gòu)，可以實(shí)現(xiàn)主動傳感器和被動傳感器的有機(jī)互補(bǔ)，而且能夠提高局部傳感器的跟蹤精度。首先，本文結(jié)合了相關(guān)波門的知識，提出了一種跟蹤系統(tǒng)性能評價方法，因?yàn)閷τ谥?被動協(xié)同跟蹤系統(tǒng)來說，如何實(shí)現(xiàn)兩種工作模式的轉(zhuǎn)換，盡可能減少主動傳感器開機(jī)時間，是十分重要的。學(xué) 位 論 文高速高機(jī)動目標(biāo)主/被動聯(lián)合跟蹤算法研究申請學(xué)位級別 碩士 專業(yè)名稱 導(dǎo)航、制導(dǎo)與控制 注1：注明《國際十進(jìn)分類法UDC》的類號?；谶@樣的背景，本文從相關(guān)波門、時間配準(zhǔn)、數(shù)據(jù)融合、非線性濾波算法這四個方面對主/被動聯(lián)合跟蹤進(jìn)行了研究和算法改進(jìn)。針對這種情況，本文采用了虛擬融合法對數(shù)據(jù)實(shí)行配準(zhǔn)，從而提高目標(biāo)定位的精度。最后對虛擬航路進(jìn)行了仿真，通過實(shí)例驗(yàn)證了相關(guān)波門、時間配準(zhǔn)算法、有反饋的分布式融合結(jié)構(gòu)、及改進(jìn)的主/被動協(xié)同跟蹤算法的有效性，為工程應(yīng)用提供了有益的參考。被動跟蹤具有隱蔽性好，不易被敵方發(fā)現(xiàn)的優(yōu)點(diǎn)。就主/被動雷達(dá)數(shù)據(jù)融合來說，一般，兩種雷達(dá)的測量原理和實(shí)現(xiàn)結(jié)構(gòu)有很大區(qū)別，導(dǎo)致兩種測量數(shù)據(jù)在數(shù)據(jù)率、噪聲方差等很多性能上不同，在部分性能上具有互補(bǔ)性。對高速高機(jī)動目標(biāo)的實(shí)時穩(wěn)定高效跟蹤，是非線性估計理論研究的一個重要課題，被動跟蹤更是其中的熱點(diǎn)。 國內(nèi)外研究概況 非線性濾波理論研究概況機(jī)動目標(biāo)跟蹤在現(xiàn)代軍事領(lǐng)域有著舉足輕重的地位，它關(guān)系到戰(zhàn)場勢態(tài)的評估、決策制定和戰(zhàn)場指揮等各方面。在本文中，由于傳感器的測量值是在極坐標(biāo)下表示的，測量方程在極坐標(biāo)系下是線性的，但是狀態(tài)方程在極坐標(biāo)下是非線性的；而如果要求狀態(tài)方程是線性的，那么必須是在直角坐標(biāo)系下，但是在直角坐標(biāo)下的測量方程卻是非線性的。然后，Vincent [4,5]，對偽線性濾波做了詳細(xì)的理論分析，得出了一些重要的結(jié)論。1985年，[9]。進(jìn)入21世紀(jì)，非線性濾波技術(shù)得到了極大的發(fā)展，其中插值濾波[13]、不敏卡爾曼濾波(Unscented Kalman Filter,UKF)[14]、