机动目标的跟踪与反跟踪.pdfVIP

参赛密码 （由组委会填写） 第十一届华为杯全国研究生数学建模竞赛 第十一届华为杯全国研究生数学建模竞赛 题 目 机动目标的跟踪与反跟踪 摘 要： 本文针对机动目标的跟踪与反跟踪问题进行了建模、求解与分析，主要完成 了以下几部分内容： 针对问题一：首先，对三部雷达关于目标运动状态的量测数据进行预处理， 包括将目标运动状态量测值由空间极坐标系转换到地球直角坐标系中，通过线性 插值方法对测量数据进行时间对准，以及对同一时刻雷达2 、雷达3 获得的目标 状态量测值进行加权融合。其中，对于融合中的权重选择问题，本文将雷达2 、 雷达3 的测距误差、方位角误差及俯仰角误差转换到直角坐标系中各坐标轴方向 上的误差，并按照各时刻雷达在各坐标轴上的标准差比例计算权重，经加权得到 融合后的量测数据。然后，根据数据预处理后目标航迹的特性，建立了协同转换 模型和变加速Singer 模型的目标三维机动模型，并采用基于扩展卡尔曼滤波的交 互式多模型算法(IMM-EKF)对目标进行在线跟踪，进而通过滤波得到目标的估计 航迹、速度和加速度。最后，根据滤波得到的加速度大小、加速度方位角及加速 度俯仰角随时间的变化，对目标加速度的大小和方向进行统计，并由此对目标的 机动运动状态进行分析。通过研究分析可以得到，目标在 36600.0s 到 36850.0s 期间做机动转弯运动，并从36900.0s 直至跟踪结束做连续的机动转弯运动。 针对问题二：为了对 Data2.txt 中各目标的量测数据进行快速、可靠地航迹 关联，本文提出了基于启发式动态规划的数据关联算法。该算法动态地处理雷达 连续扫描期间接收的顺序观测值，采用启发式规则的方法对目标进行速度域判决 与角度（包含方位角、俯仰角）域判决，尽可能地减少错误的航迹关联，从而稳 定、可靠地获得各目标相应的航迹。通过分析可以得到，所提算法在没有目标先 验信息的情况下，计算量小，能够达到快速航迹关联的目的，具有序贯实时的特 点。 - 2 - 针对问题三：首先，针对 Data3.txt 中关于目标运动状态的量测数据，将其 由空间极坐标系转换到雷达质心直角坐标系中。然后，根据坐标系转换后所得目 标点迹的特性，建立了协同转换模型和变加速Singer 模型的目标三维机动模型， 并采用IMM-EKF 对目标进行在线跟踪，进而通过滤波得到目标的估计航迹、速 度和加速度。最后，根据滤波得到的加速度大小、加速度方位角及加速度俯仰角 随时间的变化，研究目标的机动变化规律。通过分析可以得出，从 14520.0s 开 始至 14900.0s 期间，目标做爬升运动；从 14900.0s 开始直至跟踪结束，目标做 俯冲运动。同时，可以看出本文所采用的目标跟踪模型，综合考虑了目标的转弯、 变加速等机动运动方式，对于机动目标的跟踪具有很好地鲁棒性。 针对问题四：为了对目标进行实时预测并且考虑到算法的复杂度，本文采用 IMM-EKF 算法对目标将来时刻的状态值进行无量测更新的纯预测。通过预测目 标在地球直角坐标系下的状态值，判断其径向半径是否小于等于地球平均半径， 从而估计目标的着落点坐标。通过仿真分析，Data3.txt 中数据对应的目标着落点 坐标为：东经116.4761 度，北纬39.8145 度。在此基础上，本文将此算法与基于 多项式拟合的目标轨迹预测方法进行了比较。由于多项式拟合存在阶数选择问 题，且阶数与拟合精度并没有明确的关系，从而在实际的轨迹预测中很难选择合 适的阶数。此外，基于多项式拟合的目标轨迹预测方法首先需要对 个量测数 M 据进行拟合，算法复杂度为 3 。然而，本文采用IMM-EKF 算法直接对当前 O(M ) 时刻的目标状态和各模型概率的滤波结果进行预测，减少了数据拟合给算法带来 的复杂度，更容易达到算法的实时性。通