复杂干扰环境下被动传感器目标跟踪与数据关联算法研究-控制工程专业论文.docx

万方数据 万方数据 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文《复杂干扰环境下被动传感器 目标跟踪与数据关联算法研究》，是本人在导师的指导下，独立进行 研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全 意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权上海交通大学大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印 或扫描等复制手段保存和汇编本学位论文。 保密□，在 年解密后适用本授权书。 本学位论文属于 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 上海交通大学硕士学位论文 上海交通大学硕士学位论文 摘 要 本文研究了在复杂干扰环境下，多站纯方位无源探测系统的目标跟踪与数据 关联算法。这里的复杂干扰环境是指由于目标密集、杂波率高、传感器漏检等引 起的量测信息不完整，噪声相关等问题。多站纯方位无源探测系统本身面临着量 测信息非线性，数据关联实时性低等一些问题，而在复杂的干扰环境下，如何解 决量测丢失，噪声相关，杂波率高等问题，对传感器数据进行关联并进行有效定 位跟踪，是本文的重点。 针对复杂干扰环境下，传感器由于量测缺失无法对目标进行准确定位，导致 滤波发散的问题，本文利用随机过程理论来描述这一现象，同时针对多站纯方位 系统量测信息高度非线性的问题，提出了一种不完全量测下的转换量测的卡尔曼 滤波算法。该算法在解决量测非线性问题的同时还考虑了量测丢失的情况，使得 算法能够应用于更加实际的场景。 传统的转换量测的卡尔曼算法利用被动传感器的角度信息解算出目标的位置 后，丢弃了伪测量的噪声相关信息，使得算法的跟踪精度降低，本文提出了一种 基于特征值分解的观测噪声解相关算法，将伪观测的噪声进行特征值分解，获得 新的噪声无关的伪测量方程，提高算法跟踪精度的同时保证了算法的实时性。 多维分配算法是一种有效的基于无源定位的多目标数据关联算法，其中代价 函数描述了不同量测划分相对于目标真实位置的概率分布，目标真实位置通过最 小二乘算法近似获得。传统的代价函数只考虑了观测噪声，本文提出了一种改进 的代价函数，引入最小二乘算法估计目标位置所带来的误差，可以更为准确地反 映量测相对于目标的概率分布，提高关联精度。在此基础上，针对被动传感器数 据互联的实时性问题，本文提出了一种带有门限的(S+1)-D 动态多维分配算法。该 算法利用上一时刻轨迹的信息形成观测门限，根据当前量测值是否落入门限进行 量测划分，有效排除了冗余的划分假设，极大地减少计算量，提高了算法的实时 性。 关键词：被动传感器 不完全量测 转换量测卡尔曼滤波 特征值分解 多维分配算法 I ABSTRACT This paper studied the target tracking and data association algorithm of multi-station bearing-only passive localization system under a complex interference environment. The complex interference environment means the incomplete measurement information and noise related problems due to dense targets, high clutter rate, leak detection of sensor and so on. The multi-station bearing-only passive localization system now is facing the nonlinear measurement information, data correlation and some other problems, and the key point of this paper is to solve the measurement loss, noise related, high clutter rate problems and to associate the sensor data with targets effectivel