中段防御中,為了保證攔截器能夠成功碰撞殺傷目標(biāo),需要借助攔截器紅外導(dǎo)引頭來(lái)進(jìn)行精確末制導(dǎo)。多目標(biāo)跟蹤是攔截器紅外末制導(dǎo)信息處理的重要組成部分,是保證攔截成功的關(guān)鍵技術(shù)之一。由于成像距離遠(yuǎn),來(lái)襲目標(biāo)在大部分時(shí)間內(nèi)表現(xiàn)為紅外探測(cè)圖像中的點(diǎn)目標(biāo),可用于跟蹤的信息主要為目標(biāo)運(yùn)動(dòng)信息。攔截器在飛行中存在劇烈的抖動(dòng),耦合到紅外圖像中使得目標(biāo)成像點(diǎn)在圖像中劇烈運(yùn)動(dòng)。因此,實(shí)際中通常采用捷聯(lián)安裝的慣性測(cè)量設(shè)備來(lái)獲取成像平臺(tái)的實(shí)時(shí)姿態(tài)信息,以補(bǔ)償平臺(tái)抖動(dòng)造成的目標(biāo)運(yùn)動(dòng)。論文以捷聯(lián)平臺(tái)紅外末制導(dǎo)多目標(biāo)跟蹤技術(shù)為研究對(duì)象,針對(duì)跟蹤中由于目標(biāo)運(yùn)動(dòng)機(jī)動(dòng)性、目標(biāo)數(shù)目的隨機(jī)變化、彈上計(jì)算資源限制、紅外雜波干擾等不利因素造成的問(wèn)題展開(kāi)研究,主要包括以下三個(gè)方面內(nèi)容:1)攔截作戰(zhàn)中捷聯(lián)平臺(tái)對(duì)中段目標(biāo)進(jìn)行跟蹤的運(yùn)動(dòng)和測(cè)量建模。針對(duì)在高速攔截運(yùn)動(dòng)中,中段目標(biāo)在紅外圖像中的運(yùn)動(dòng)會(huì)隨著目標(biāo)距離的變化呈現(xiàn)出由弱變強(qiáng)的機(jī)動(dòng)性的問(wèn)題,論文提出一種基于參數(shù)自適應(yīng)“當(dāng)前”統(tǒng)計(jì)(Current Statistical,CS)模型的中段目標(biāo)運(yùn)動(dòng)建模方法。該方法利用在線信息實(shí)時(shí)設(shè)置CS模型的機(jī)動(dòng)頻率和加速度方差,提高目標(biāo)加速度估計(jì)的準(zhǔn)確性,更有效地描述中段目標(biāo)運(yùn)動(dòng)的特征。針對(duì)捷聯(lián)平臺(tái)姿態(tài)運(yùn)動(dòng)慣性解耦時(shí)測(cè)量模型中存在的復(fù)雜性問(wèn)題,論文在對(duì)成像測(cè)量誤差、慣性測(cè)量誤差和解耦誤差進(jìn)行對(duì)比分析的基礎(chǔ)上,提出將三種誤差進(jìn)行統(tǒng)一建模,從而簡(jiǎn)化測(cè)量模型的方法。實(shí)驗(yàn)表明,利用論文提出的目標(biāo)運(yùn)動(dòng)模型和傳感器測(cè)量模型可以準(zhǔn)確地對(duì)中段目標(biāo)進(jìn)行跟蹤。2)中段動(dòng)態(tài)場(chǎng)景中的快速多目標(biāo)跟蹤。在目標(biāo)數(shù)目變化的動(dòng)態(tài)場(chǎng)景條件下,傳統(tǒng)基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤方法準(zhǔn)確度和計(jì)算效率都急劇下降,無(wú)法滿(mǎn)足捷聯(lián)平臺(tái)紅外末制導(dǎo)的要求。近年來(lái)出現(xiàn)的有限集統(tǒng)計(jì)學(xué)理論(Finite Set Statistics,FISST),具有優(yōu)于傳統(tǒng)方法的效率和準(zhǔn)確度,可以用于中段動(dòng)態(tài)場(chǎng)景中的快速多目標(biāo)跟蹤。在對(duì)FISST理論進(jìn)行研究的基礎(chǔ)上,論文首先基于線性復(fù)雜度勢(shì)分布概率假設(shè)密度(Linear Complexity-Cardinalized Probability Hypothesis Density,LC-CPHD)濾波的高斯混合(Gaussian Mixture,GM)實(shí)現(xiàn),即GM-LC-CPHD濾波,來(lái)構(gòu)建紅外末制導(dǎo)多目標(biāo)跟蹤的基本框架。針對(duì)常規(guī)GM-LC-CPHD濾波的新生目標(biāo)模型需要對(duì)新出現(xiàn)目標(biāo)進(jìn)行全局搜索,導(dǎo)致算法計(jì)算效率低下的問(wèn)題,論文提出一種利用測(cè)量數(shù)據(jù)來(lái)自適應(yīng)設(shè)置新生目標(biāo)模型的改進(jìn)方法。該方法利用M/N測(cè)試算法累積多幀紅外圖像數(shù)據(jù)的信息,自動(dòng)捕獲新生目標(biāo)的初始狀態(tài),從而有效地縮小搜索的范圍,提高算法的計(jì)算效率。針對(duì)常規(guī)GM-LC-CPHD濾波的結(jié)果未包含目標(biāo)身份信息,不能輸出每個(gè)目標(biāo)的連續(xù)軌跡至后續(xù)目標(biāo)識(shí)別模塊的問(wèn)題,論文引入標(biāo)簽關(guān)聯(lián)方法來(lái)實(shí)現(xiàn)GM-LC-CPHD濾波的軌跡管理,并提出一種改進(jìn)的高斯元素修剪與合并方法,從而穩(wěn)定快速地輸出每個(gè)目標(biāo)單獨(dú)的連續(xù)軌跡。實(shí)驗(yàn)表明,利用論文提出的方法可以準(zhǔn)確而高效地完成中段動(dòng)態(tài)場(chǎng)景的多目標(biāo)跟蹤。3)密集紅外雜波干擾條件下的穩(wěn)定中段多目標(biāo)跟蹤。針對(duì)密集紅外雜波導(dǎo)致算法極容易出現(xiàn)錯(cuò)誤跟蹤的問(wèn)題,論文提出一種引入幅度信息(Amplitude Information,AI)來(lái)抑制雜波干擾的GM-AI-LC-CPHD濾波多目標(biāo)跟蹤方法。該方法首先利用高斯分布模型來(lái)對(duì)中段紅外點(diǎn)目標(biāo)的幅度進(jìn)行建模,并在信噪比(Signal-to-Noise Ratio,SNR)未知的條件下,通過(guò)最近的L幀數(shù)據(jù)對(duì)目標(biāo)的幅度和檢測(cè)概率進(jìn)行估計(jì);然后推導(dǎo)了引入幅度信息的GM-AI-LC-CPHD濾波算法,得到在濾波中利用幅度信息來(lái)區(qū)分目標(biāo)和雜波的多目標(biāo)跟蹤方法。實(shí)驗(yàn)表明,論文提出的GM-AI-LC-CPHD濾波可以有效地減小錯(cuò)誤跟蹤到雜波上的概率。
【學(xué)位單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2015
【中圖分類(lèi)】：TJ765;TP391.41
【部分圖文】：

圖 1.1 中段防御目標(biāo)攔截任務(wù)的整體部署紅外末制導(dǎo)信息處理主要包括目標(biāo)檢測(cè)、目標(biāo)跟蹤以及目標(biāo)識(shí)別三個(gè)方 1.2 所示。目標(biāo)檢測(cè)即利用目標(biāo)與背景的不同，從紅外圖像中提取出來(lái)候；目標(biāo)跟蹤即是引入目標(biāo)運(yùn)動(dòng)模型等先驗(yàn)知識(shí)，對(duì)候選目標(biāo)集進(jìn)行虛警檢修復(fù)，以形成連續(xù)的目標(biāo)軌跡；目標(biāo)識(shí)別則是在目標(biāo)跟蹤的基礎(chǔ)上進(jìn)

(c) 簡(jiǎn)單的氣球誘餌 (d) 多攔截器對(duì)目標(biāo)群的攔截示意圖圖 1.3 多彈頭和誘餌的實(shí)物圖以及攔截示意圖法能夠識(shí)別出真實(shí)目標(biāo)之前，跟蹤算法需要對(duì)動(dòng)態(tài)跟蹤。作戰(zhàn)中，攔截器成像平臺(tái)自身的抖動(dòng)非常劇目標(biāo)也表現(xiàn)出劇烈地抖動(dòng)，導(dǎo)致直接利用圖像進(jìn)行

圖 1.4 基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤方法的處理流程 數(shù)據(jù)關(guān)聯(lián)方法 據(jù) 關(guān) 聯(lián) 的 問(wèn) 題 描 述 如 下[35]。 在 k 時(shí) 刻 ， 多 個(gè) 目 標(biāo) 的 狀 態(tài) 集 ,..., }k kx x ，kN 為目標(biāo)數(shù)目；測(cè)量集為{ ,..., }k kZ = z z，kM 為測(cè)量數(shù)

本文編號(hào)：2880034