多传感器数据关联中的关键技术研究

论文摘要

随着科学技术的飞速发展,以及军事和工业中各种任务环境的日益复杂,多传感器信息融合技术在探测、跟踪、目标识别、监视监控等诸多应用领域,显示了突出的性能潜力和蓬勃的发展前景。数据关联是完成有效跟踪和多级融合决策的前提步骤,其任务本质是确定传感器量测与目标源的对应关系。本文以复杂环境下的综合目标识别为任务核心,力图在不同任务阶段,有效利用异类、异步的多传感器数据资源,设计完成相应的数据关联过程。以实现改善关联质量、保障跟踪精度,进而提高识别性能的目的。首先,本文提出了一种使用T/R-R2多基地雷达有效进行航迹起始和维持的方法。该方法使用同源关联技术在量测级进行虚假目标的剔除,并给出了基于关联组的目标高精度定位方法和目标速度解算方法,可在远距离大误差、低信噪比环境下有效地进行航迹起始和航迹维持。其次,本文提出了一种适用于异步雷达和红外传感器的数据关联方法。该方法使用一种组合状态来跟踪目标,当关联成功的量测类型变化时,航迹状态类型会根据具体情况改变,并借助反馈机制确保关联跟踪性能。再次,本文针对传统模糊航迹—航迹关联方法在密集目标环境下关联正确率低、参数设置复杂的不足,提出一种使用修正模糊隶属度的航迹关联方法。该方法试图在全局上衡量两条航迹的相似程度,并设计了一种通过训练获得算法所需设置关键参数的方法,提高了方法的关联正确率和实用性。最后,本文尝试把属性信息考虑到航迹—航迹关联中来,从而提出一种使用目标属性信息的航迹关联方法。该方法使用一种基于概率的度量来衡量航迹在状态和属性上的相似程度,并设计了一种可以不用考虑航迹状态及属性之间复杂相关关系的关联判决方法。在密集目标环境下,该方法可提高航迹关联正确率。多组仿真实验验证了上述方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 数据关联技术的研究现状
• 1.3 研究数据关联的意义及本文组织结构
• 第二章 单传感器环境下的数据关联
• 2.1 引言
• 2.2 卡尔曼滤波基本理论
• 2.2.1 适用于线性系统的卡尔曼滤波算法
• 2.2.2 适用于非线性系统的卡尔曼滤波算法
• 2.3 量测—量测关联
• 2.3.1 基于启发式规则航迹起始中的量测—量测关联
• 2.3.2 基于逻辑规则航迹起始中的量测—量测关联
• 2.3.3 基于Hough 变换航迹起始中的量测—量测关联
• 2.4 量测—航迹关联
• 2.4.1 最近邻方法
• 2.4.2 概率数据关联方法
• 2.4.3 联合概率数据关联方法
• 2.5 本章小结
• 第三章 异址集中处理结构多传感器环境下的数据关联
• 3.1 引言
• 3.2 单基地雷达目标跟踪存在的制约因素
• 3.3 一种可行的解决途径分析
• 3.4 一种使用T/R-R2 多基地雷达进行有效航迹起始和维持的方法
• 3.4.1 T/R-R2 多基地雷达系统的基本工作原理
• 3.4.2 同源关联和虚警剔除原理
• 3.4.3 基于关联组的目标位置及速度解算方法
• 3.4.4 对卡尔曼滤波初始化的改进以及航迹起始与维持流程
• 3.4.5 仿真结果及分析
• 3.5 本章小结
• 第四章 同址集中处理结构多传感器环境下的数据关联
• 4.1 引言
• 4.2 两种经典的雷达—红外数据关联跟踪方法
• 4.2.1 基于最优数据压缩的雷达和红外关联跟踪方法
• 4.2.2 基于红外机动检测的雷达和红外关联跟踪方法
• 4.3 适用于异步雷达和红外传感器的自适应组合状态数据关联方法
• 4.3.1 系统模型
• 4.3.2 航迹起始阶段
• 4.3.3 航迹维持阶段
• 4.3.4 航迹状态类型及转移模型
• 4.3.5 仿真结果及分析
• 4.4 新方法的拓展分析
• 4.4.1 雷达或红外传感器和电子支援措施关联跟踪的情况
• 4.4.2 雷达、红外传感器和电子支援措施关联跟踪的情况
• 4.5 本章小结
• 第五章 分布处理结构多传感器环境下的数据关联
• 5.1 引言
• 5.2 传统的航迹关联方法
• 5.2.1 统计航迹关联方法
• 5.2.2 模糊航迹关联方法
• 5.3 使用修正模糊隶属度的航迹关联方法
• 5.3.1 算法参数获取方法
• 5.3.2 航迹关联的计算过程
• 5.3.3 性能评估
• 5.3.4 仿真分析
• 5.3.5 方法拓展分析
• 5.4 基于多属性分类判决规则的航迹关联方法
• 5.4.1 算法逻辑
• 5.4.2 仿真分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 主要创新
• 6.3 前景展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果