多传感器数据融合与航迹预测.doc

多传感器数据融合与航迹预测 摘 要 本文针对多传感器的数据融合与航迹预测问题进行了探讨，结合附件中所给的数据，分别建立了基于改进的最近邻判定准则的航迹相关模型、基于最小二乘法的航迹时间配准模型、雷达站点的误差修正模型、基于最大似然的航迹融合模型以及动态航迹预测模型，在较合理的假设下，对各个模型进行求解，得到了较理想的结果。 针对问题一，本文采用改进的最近邻算法，对各离散点是否来自于同一个目标进行检测，并用Matlab编程实现，对所有的雷达站点数据进行处理，得到各雷达站点的航迹统计情况（见正文表5-1）。同时本文还对各站点受干扰情况进行了相应分析。 针对问题二，本文利用最小二乘法的样条插值把离散的点迹连续化，对各雷达站点的航迹进行了时间配准，使它们的观测时间和观测时间间隔趋于统一。 针对问题三，本文把传感器的误差划分为系统误差和随机误差，并通过对附件数据的分析与计算，发现2025等站点的雷达对目标速度的监测存在较大误差，同时本文给出了修正以后的数据。 针对问题四，本文建立了最大似然的航迹融合模型，对同一目标在不同雷达站点的航迹进行融合，同时结合动态航迹预测模型，对航迹进行短期的预测，利用附件中提供的数据进行计算，发现模型的预测结果准确，具有实用性。 问题五中考虑目标飞机机动情况下的导弹拦截，本文利用三次样条曲线对雷达返回的的数据进行航迹预测，发现效果并不显著。通过分析导弹的飞行情况，最终我们选定平行接近法来对目标进行逼近，效果很好。 关键词：多传感器数据融合；航迹预测；最近邻；时间配准；导弹拦截 一、问题重述 1.1 背景分析 未来的战争,将是陆、海、空相结合的立体战争, 成功地收集各种情报非常重要，甚至对战争的胜负起着决定性的作用。在实战中各种情报的收集依赖于多种传感器设备，由于，1.电磁环境将异常复杂，敌方会主动或随机发送错误、无用的信号使我方传感器受到各种欺骗和干扰；2.需要检测目标的数量越来越多,运动速度也越来越快；3.多数目标会利用散射或吸收的方法大大减少对电磁波的反射等隐身技术和低空、超低空突防技术，让目标的反射电磁波和地面所反射电磁波混在一起，无法区分；总之使传感器难以捕捉和跟踪检测目标。因此，采用单传感器捕捉和跟踪的技术效果很差，而多传感器数据融合在解决探测、跟踪和识别方面不仅具有能够数倍地扩大捕捉和跟踪空间和时间覆盖范围的优势，还可以降低信息模糊度、提高可信度和改进探测性能等等。故采用并不断发展多传感器数据融合技术将是军事电子领域的一种趋势。 1.2 有关情况 多传感器数据融合可以分为数据预处理、航迹相关、航迹融合等步骤。如果某个时刻某雷达站接受到空间某点反射回来的电磁波，它将记录下有关的数据，并进行计算，得到包括目标的经度、纬度、海拔高度，经向速度、纬向速度、观察时刻在内的一组数据。然后雷达网中各个雷达站将各自的观测数据传送并存放到融合中心进行雷达数据相关和数据融合。为了正确区分来自不同雷达站的数据，在每组雷达数据之前再加上雷达站编号和传感器编号等。航迹即上述某雷达站接受到某一检测目标陆续反射回来的电磁波后记录、计算检测目标所处的一系列空中位置而形成的离散点列，航迹相关即依据一定的准则确定各个雷达站的多组数据中哪些组数据是来自同一个检测目标。由于每组数据的观测时刻和各个雷达站的观测时间间隔都不同，所以在进行航迹两两相关之前首先要进行时间配准，即让不同雷达表示同一目标位置的时刻集合扩大为一致。然后将多条表示同一目标运动轨迹的航迹尽可能地抽取出来，为数据融合做好准备。在这些航迹对（即不同雷达站所观测到的关于同一目标的航迹的集合）中，不同航迹的观测雷达的精确度不一样，有些比较准确，有些误差比较大，这些误差可以根据观测数据分析估计。在进行航迹融合之前，需要把观测误差较大的航迹向观测误差较小的航迹靠拢，以消除相对雷达偏差。在对航迹的雷达系统误差修正之后，最终对多条航迹以各种方法处理，融合得出一条尽量与实际一致的航迹并预测其短期内可能的轨迹。 1.3 问题提出 现有多组经过预处理后的融合中心雷达观测数据，包括6个观测雷达，假设雷达位置的经纬度分别为{(122.1, 27.2) ( 122.4, 28.6) ( 121.5, 27.8) ( 121.3, 28.9) ( 122.5, 29.9) ( 121.8, 29.5)}。分别对应雷达站的编号为7724，7728，2910，2539，2537，2025。地面安放雷达的海拔高度为0.1千米。需要解决以下几个问题： 根据附件中的数据，由雷达编号，传感器编号提取出不同的目标航迹对。 找出各雷达站观测到的有相交时间段的航迹，对观测时间和时间间隔不同的雷达数据进行时间配准，然后抽取表示同一目标的航迹对。 根据附件中的数据，分析6个雷达站雷达的观察精度，以消除相对雷