發(fā)布時間：2017-04-14 03:12

  本文關(guān)鍵詞：認(rèn)知雷達(dá)目標(biāo)跟蹤方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：認(rèn)知雷達(dá)(Cognitive Radar)可以通過對外部環(huán)境和目標(biāo)的動態(tài)不斷地進(jìn)行感知,自適應(yīng)地選擇工作模式、發(fā)射波形、信號處理算法和數(shù)據(jù)處理算法等,充分利用各種先驗信息進(jìn)行智能處理。認(rèn)知雷達(dá)區(qū)別于傳統(tǒng)自適應(yīng)雷達(dá)的方面主要在于,它具有自適應(yīng)的發(fā)射能力和知識輔助處理能力。在目標(biāo)跟蹤階段,先驗信息豐富,更適合進(jìn)行認(rèn)知發(fā)射和知識輔助處理。本論文面向認(rèn)知雷達(dá)的目標(biāo)跟蹤方面,分別研究了發(fā)射波形優(yōu)化和接收數(shù)據(jù)處理方法,具體包括針對目標(biāo)跟蹤的發(fā)射波形選擇、機(jī)動目標(biāo)跟蹤算法和數(shù)據(jù)關(guān)聯(lián)方法等內(nèi)容。現(xiàn)將主要工作概括如下:1.分別從單脈沖和多脈沖兩個方面討論了針對目標(biāo)跟蹤的發(fā)射波形選擇問題。(1)單脈沖情況:首先將矩形脈沖信號作為基波形,對其模糊函數(shù)在時延-多普勒頻移平面分別進(jìn)行伸縮變換和旋轉(zhuǎn)變換,得到線性調(diào)頻(Linear Frequency Modulated,LFM)波形庫和旋轉(zhuǎn)波形庫。然后基于卡爾曼濾波(Kalman Filter,KF)算法,分別以最大互信息和最小均方誤差為準(zhǔn)則,在兩個波形庫中尋找最優(yōu)的發(fā)射波形。詳細(xì)分析了兩種波形選擇準(zhǔn)則的物理意義和優(yōu)缺點。另外,目標(biāo)距離跟蹤誤差和速度跟蹤誤差在量綱上不一致,而現(xiàn)有的波形選擇方法無法調(diào)節(jié)二者的權(quán)重。針對此問題,本文提出了加權(quán)最小均方誤差準(zhǔn)則及其變形形式。仿真結(jié)果驗證了所提方法的有效性。(2)多脈沖情況:針對機(jī)動目標(biāo)跟蹤的發(fā)射波形選擇,需要兼顧測距測速性能與多普勒容忍性。對比了多脈沖LFM信號、V型調(diào)頻(V-Linear Frequency Modulated,V-LFM)信號和M序列3種發(fā)射波形估計目標(biāo)距離和速度的克拉美羅下界(Cramer-Rao Lower Bound,CRLB)與多普勒容忍性。仿真結(jié)果表明,V-LFM信號在損失較少多普勒容忍性的情況下,可以明顯提高目標(biāo)的跟蹤精度。2.針對機(jī)動目標(biāo)的跟蹤問題,提出了基于AR模型的KF和交互多模型(Interacting Multiple Model,IMM)濾波相互切換的跟蹤算法。首先介紹了傳統(tǒng)的機(jī)動目標(biāo)跟蹤模型和跟蹤算法,詳細(xì)分析了當(dāng)前主流機(jī)動目標(biāo)跟蹤算法的基本原理和優(yōu)缺點。然后,將AR模型應(yīng)用于目標(biāo)跟蹤,詳細(xì)介紹了AR模型的構(gòu)建過程和求解方法。AR模型不僅能滿足目標(biāo)運動狀態(tài)的多項式約束,還能利用額外的自由度濾除噪聲,屬于一種自適應(yīng)的狀態(tài)模型。最后針對機(jī)動目標(biāo)的跟蹤問題,引入了變維濾波的思想,通過機(jī)動檢測來切換基于AR模型的KF和基于AR模型的IMM濾波器,以適應(yīng)目標(biāo)的非機(jī)動和機(jī)動狀態(tài)。從本質(zhì)上說,本文所提跟蹤算法是一種變結(jié)構(gòu)的多模型(Variable Structure Multiple Model,VSMM)算法,而且運算量要遠(yuǎn)小于現(xiàn)有的VSMM算法,具有一定的工程應(yīng)用價值。仿真結(jié)果表明:在相同的參數(shù)條件下,AR模型的跟蹤性能要優(yōu)于傳統(tǒng)的離散時間微分模型,尤其當(dāng)算法的參數(shù)設(shè)置與目標(biāo)實際運動狀態(tài)不匹配時,優(yōu)勢則更為明顯,而且所提算法的跟蹤性能也要好于傳統(tǒng)的變維濾波和IMM算法。3.針對機(jī)動目標(biāo)的數(shù)據(jù)關(guān)聯(lián)問題,提出了基于綜合交互多模型-概率數(shù)據(jù)關(guān)聯(lián)(Interacting Multiple Model-Probabilistic Data Association,IMM-PDA)算法的自適應(yīng)關(guān)聯(lián)波門設(shè)計方法。傳統(tǒng)針對機(jī)動目標(biāo)的關(guān)聯(lián)波門設(shè)計方法僅通過擴(kuò)大波門來確認(rèn)有效量測,而未改善關(guān)聯(lián)概率,容易引起失跟現(xiàn)象。本文在綜合IMM-PDA算法的框架下,提出一種利用目標(biāo)運動狀態(tài)的量測信息進(jìn)行自適應(yīng)關(guān)聯(lián)波門設(shè)計的方法。在綜合IMM-PDA算法的基礎(chǔ)上進(jìn)行關(guān)聯(lián)波門設(shè)計,有可能得到最優(yōu)的量測集合,進(jìn)而可以降低失跟率,提高跟蹤精度。本文提出兩步法設(shè)計關(guān)聯(lián)波門:當(dāng)波門內(nèi)不存在有效量測時,首先逐步擴(kuò)大波門使得有效量測存在;然后利用觀測信息,在目標(biāo)狀態(tài)的預(yù)測范圍內(nèi)以最小均方誤差為準(zhǔn)則對關(guān)聯(lián)波門的中心進(jìn)行尋優(yōu)。本文方法利用量測信息調(diào)整了關(guān)聯(lián)波門的中心和大小,改善了關(guān)聯(lián)概率,得到了更優(yōu)的量測集合。仿真結(jié)果表明本文所提方法在跟蹤精度和失跟率等方面均優(yōu)于傳統(tǒng)方法。4.針對多目標(biāo)的數(shù)據(jù)關(guān)聯(lián)問題,提出了基于多維信息的數(shù)據(jù)關(guān)聯(lián)方法。傳統(tǒng)的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(Joint Probabilistic Data Association,JPDA)算法在應(yīng)對低信噪比情況下的多目標(biāo)跟蹤時,計算量非常之大。而且傳統(tǒng)方法僅利用目標(biāo)的位置信息進(jìn)行數(shù)據(jù)關(guān)聯(lián),在處理多個目標(biāo)航跡接近或交叉的情況時,容易產(chǎn)生航跡合并甚至誤跟的現(xiàn)象。本文首先從理論上分析了JPDA算法的計算量,然后分別討論了多普勒信息和高分辨距離像(High Resolution Range Profile,HRRP)信息在多目標(biāo)跟蹤中的應(yīng)用:(1)多普勒信息的應(yīng)用:脈沖多普勒雷達(dá)可以通過動目標(biāo)檢測(Moving Target Detection,MTD)技術(shù)同時獲得多個目標(biāo)的多普勒信息。本文從航跡起始和航跡維持兩個方面分別討論了多普勒信息在多目標(biāo)跟蹤中的應(yīng)用。(2)HRRP信息的應(yīng)用:與多普勒信息的不同之處在于,HRRP信息屬于目標(biāo)的特征信息。傳統(tǒng)方法在利用HRRP信息進(jìn)行數(shù)據(jù)關(guān)聯(lián)時,并未考慮到它與目標(biāo)運動狀態(tài)之間的相關(guān)性。本文首先利用HRRP信息的姿態(tài)敏感性實時地估計目標(biāo)的姿態(tài)角,然后再利用姿態(tài)角信息輔助多目標(biāo)跟蹤。本文分別將目標(biāo)的多普勒信息和姿態(tài)角信息加入到觀測狀態(tài),構(gòu)造多維關(guān)聯(lián)波門,利用多維信息進(jìn)行有效量測的篩選,從而將一個多目標(biāo)的數(shù)據(jù)關(guān)聯(lián)問題簡化成多個單目標(biāo)數(shù)據(jù)關(guān)聯(lián)問題,大大提高了數(shù)據(jù)關(guān)聯(lián)的效率。
【關(guān)鍵詞】：認(rèn)知雷達(dá) 自適應(yīng)波形選擇 機(jī)動目標(biāo)跟蹤 多目標(biāo)跟蹤 數(shù)據(jù)關(guān)聯(lián)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN953
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 符號對照表13-15
• 縮略語對照表15-20
• 第一章 緒論20-34
• 1.1 認(rèn)知雷達(dá)的基本概念20-23
• 1.2 認(rèn)知雷達(dá)中的目標(biāo)跟蹤方法及其發(fā)展現(xiàn)狀23-30
• 1.2.1 認(rèn)知雷達(dá)中的目標(biāo)跟蹤理論及其發(fā)展現(xiàn)狀24-28
• 1.2.2 幾個實際的具有目標(biāo)跟蹤功能的雷達(dá)系統(tǒng)28-30
• 1.3 論文的主要工作與內(nèi)容安排30-34
• 第二章 針對目標(biāo)跟蹤的發(fā)射波形選擇34-62
• 2.1 引言34-35
• 2.2 系統(tǒng)模型與跟蹤算法35-38
• 2.2.1 目標(biāo)運動狀態(tài)模型35-36
• 2.2.2 雷達(dá)系統(tǒng)的觀測模型36-37
• 2.2.3 卡爾曼濾波算法37-38
• 2.3 單脈沖情況下針對目標(biāo)跟蹤的自適應(yīng)發(fā)射波形選擇38-54
• 2.3.1 發(fā)射波形庫38-41
• 2.3.2 最大互信息法41-46
• 2.3.3 最小均方誤差法46-49
• 2.3.4 實驗結(jié)果與分析49-54
• 2.3.5 本節(jié)總結(jié)與討論54
• 2.4 多脈沖情況下針對目標(biāo)跟蹤的發(fā)射波形選擇54-60
• 2.4.1 V-LFM信號55-57
• 2.4.2 三種信號的性能對比57-60
• 2.5 本章小結(jié)60-62
• 第三章 自適應(yīng)機(jī)動目標(biāo)跟蹤算法62-90
• 3.1 引言62-63
• 3.2 機(jī)動目標(biāo)跟蹤算法概述63-70
• 3.2.1 機(jī)動目標(biāo)運動模型63-66
• 3.2.2 典型的機(jī)動目標(biāo)跟蹤算法66-70
• 3.3 基于AR模型的自適應(yīng)機(jī)動目標(biāo)跟蹤算法70-84
• 3.3.1 應(yīng)用于目標(biāo)跟蹤的AR模型70-79
• 3.3.2 基于AR模型的自適應(yīng)機(jī)動目標(biāo)跟蹤算法79-84
• 3.4 數(shù)值仿真及分析84-87
• 3.4.1 AR模型的跟蹤性能84-85
• 3.4.2 本文提出算法的跟蹤性能85-87
• 3.5 本章小結(jié)87-90
• 第四章 自適應(yīng)機(jī)動目標(biāo)數(shù)據(jù)關(guān)聯(lián)方法90-112
• 4.1 引言90-92
• 4.2 綜合IMM-PDA算法92-103
• 4.2.1 PDA算法92-96
• 4.2.2 傳統(tǒng)IMM-PDA算法結(jié)構(gòu)的缺點分析96-98
• 4.2.3 綜合IMM-PDA算法98-100
• 4.2.4 數(shù)值仿真與分析100-103
• 4.3 自適應(yīng)關(guān)聯(lián)波門設(shè)計103-109
• 4.3.1 自適應(yīng)關(guān)聯(lián)波門的意義103-104
• 4.3.2 自適應(yīng)關(guān)聯(lián)波門的設(shè)計方法104-107
• 4.3.3 數(shù)值仿真及分析107-109
• 4.4 本章小結(jié)109-112
• 第五章 基于多維信息的數(shù)據(jù)關(guān)聯(lián)方法112-136
• 5.1 引言112-113
• 5.2 JPDA算法113-118
• 5.2.1 JPDA算法中關(guān)聯(lián)概率的計算113-116
• 5.2.2 JPDA算法的具體流程與計算量分析116-118
• 5.3 多普勒信息在低信噪比下多目標(biāo)跟蹤中的應(yīng)用118-129
• 5.3.1 PD雷達(dá)中目標(biāo)多普勒信息的提取118-119
• 5.3.2 多普勒信息在多目標(biāo)跟蹤中的應(yīng)用119-124
• 5.3.3 數(shù)值仿真與分析124-129
• 5.4 HRRP信息在多目標(biāo)跟蹤中的應(yīng)用129-134
• 5.4.1 引言129
• 5.4.2 目標(biāo)HRRP信息與運動狀態(tài)的聯(lián)系129-130
• 5.4.3 姿態(tài)角輔助的多目標(biāo)跟蹤算法130-132
• 5.4.4 數(shù)值仿真與分析132-134
• 5.5 本章小結(jié)134-136
• 第六章 總結(jié)與展望136-140
• 6.1 全文工作總結(jié)136-137
• 6.2 研究展望137-140
• 6.2.1 自適應(yīng)發(fā)射波形選擇方面138
• 6.2.2 目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)方面138-140
• 參考文獻(xiàn)140-150
• 致謝150-152
• 作者簡介152-154

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 檀甲甲;張建秋;;跟蹤機(jī)動目標(biāo)的雷達(dá)波形選擇新方法[J];系統(tǒng)工程與電子技術(shù);2011年03期

  本文關(guān)鍵詞：認(rèn)知雷達(dá)目標(biāo)跟蹤方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：305076