復(fù)雜環(huán)境下雷達(dá)目標(biāo)跟蹤方法研究

　　雷達(dá)是現(xiàn)代戰(zhàn)爭中不可或缺的電子設(shè)備，雷達(dá)目標(biāo)跟蹤是雷達(dá)數(shù)據(jù)處理中至 關(guān)重要的一個(gè)組成部分，在軍民兩用領(lǐng)域中都具著廣泛的應(yīng)用。但雷達(dá)在實(shí)際工 作中所處的物理環(huán)境十分惡劣，接收到的量測數(shù)據(jù)中存在大量雜波或虛警。此外， 有時(shí)也會出現(xiàn)目標(biāo)數(shù)量不確定的情形，無疑加大了目標(biāo)跟蹤的難度，尤其以天波 超視距雷達(dá)更為復(fù)雜。因此，迫切需要研究復(fù)雜環(huán)境下雷達(dá)目標(biāo)跟蹤方法。本文 的研究內(nèi)容就是在上述課題背景下提出來的，全文的主要工作總結(jié)如下：

　　1.研究了雷達(dá)目標(biāo)狀態(tài)估計(jì)算法。研究了線性高斯系統(tǒng)、非線性高斯系統(tǒng)和 非線性非高斯系統(tǒng)下的濾波技術(shù)，并分析了各種濾波技術(shù)的適用場景及優(yōu)缺點(diǎn)。

　　2.在非線性高斯系統(tǒng)中，為了進(jìn)一步提高容積卡爾曼濾波的估計(jì)精度，基于 球面單純形準(zhǔn)則和 Gauss-Laguerre 積分準(zhǔn)則，提出了一種改進(jìn)的容積卡爾曼濾波 算法（SSGQKF）。理論分析和仿真結(jié)果表明，改進(jìn)的算法在非線性程度較高的場 合下，能夠在精度和計(jì)算量中有個(gè)很好的折衷。

　　3.在非線性非高斯系統(tǒng)中，針對標(biāo)準(zhǔn)粒子濾波固有的粒子退化和粒子貧化現(xiàn) 象，提出了相應(yīng)的改進(jìn)算法。首先將數(shù)值穩(wěn)定性好的二階中心差分濾波算法作為 重要性密度函數(shù)，然后利用差分演化優(yōu)化重采樣過程。研究結(jié)果表明，改進(jìn)的算 法能有效克服粒子退化和貧化問題，提高了粒子利用率和狀態(tài)估計(jì)精度。

　　4.研究了雜波環(huán)境下的基于數(shù)據(jù)關(guān)聯(lián)的目標(biāo)跟蹤算法，主要包括最近鄰互聯(lián)、 概率數(shù)據(jù)互聯(lián)、聯(lián)合概率數(shù)據(jù)互聯(lián)、交互多模型概率數(shù)據(jù)互聯(lián)?？紤]了目標(biāo)的機(jī) 動性，在傳統(tǒng)的交互多模型概率數(shù)據(jù)互聯(lián)算法的基礎(chǔ)上提出了一種改進(jìn)算法。即 引入固定延遲技術(shù)和量測幅值信息的交互多模型概率數(shù)據(jù)互聯(lián)算法，并將改進(jìn)的 方法分別與傳統(tǒng)的交互多模型數(shù)據(jù)互聯(lián)算法進(jìn)行仿真分析。

　　5.針對跟蹤場景中目標(biāo)數(shù)量不定和雜波密集等復(fù)雜環(huán)境下的多目標(biāo)跟蹤問 題，研究了基于隨機(jī)有限集的多目標(biāo)跟蹤方法，并將差分演化優(yōu)化的二階中心差 分算法引入到粒子概率假設(shè)密度濾波（PHD）中。仿真結(jié)果表明，改進(jìn)的算法對 復(fù)雜環(huán)境下的多目標(biāo)跟蹤問題有較好的效果。

　　6.超視距雷達(dá)在地理坐標(biāo)下跟蹤目標(biāo)時(shí)目標(biāo)動態(tài)方程為線性的，而量測方程 是非線性的。針對超視距雷達(dá)目標(biāo)跟蹤的這一特點(diǎn)，將兩步濾波算法和均方根容 積卡曼濾波算法相結(jié)合，并應(yīng)用到超視距雷達(dá)目標(biāo)跟蹤系統(tǒng)中。改進(jìn)的算法避免 了復(fù)雜的求導(dǎo)運(yùn)算，濾波精度也更高。其次，還研究了基于概率數(shù)據(jù)互聯(lián)和隨機(jī) 有限集下的多徑目標(biāo)跟蹤問題，并將球面單純形 Gauss-Laguerre 積分準(zhǔn)則融入到 高斯混合多徑 PHD 中，最后通過仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。