论文部分内容阅读
信息融合技术在军事和民用领域中有着广泛的应用前景，而多传感器多目标跟踪是信息融合技术在目标跟踪领域中的重要应用之一。基于信息融合的多传感器多目标跟踪技术通过充分融合多个传感器获得的有效量测信息，来提高对目标运动状态估计的精度，研究表明，多传感器系统的多目标跟踪性能优于单传感器系统的多目标跟踪性能。本文主要讨论了几种常见的集中式多雷达多目标跟踪算法、集中式多被动传感器多目标跟踪算法、融合多源信息的多雷达多目标跟踪算法。本文的主要工作如下：1、分析了主动传感器系统中几种常用的次优量测数据关联算法，包括概率数据关联算法、联合概率数据关联算法以及广义概率数据关联算法，并通过仿真探讨了各种算法的优缺点。2、针对传统最优分配算法时间花费较长的问题，提出一种基于动态信息的最优分配算法。新算法利用动态信息构建最优分配算法模型，其计算简单，易于实现。在此基础上，提出一种改进的基于边缘互属概率的最优分配算法，并进行了相应的仿真分析。改进算法通过用量测和目标之间的边缘互属概率代替原算法中的统计概率，提高了较差探测环境下的多目标跟踪性能。另外，在充分考虑广义概率数据关联算法和新最优分配算法的优缺点的基础之上，将广义概率数据关联算法和最优分配算法进行有效融合，得到能够充分发挥它们各自优点的基于最优分配的广义概率数据关联算法。3、讨论了融合多源信息的多传感器多目标跟踪算法，包括次优数据关联算法和最优分配算法，并将多特征信息引入概率数据关联算法、联合概率数据关联算法、广义概率数据关联算法三种次优数据关联算法以及最优分配算法和改进的最优分配算法中。通过仿真实验，对基于特征信息的多传感器多目标跟踪算法和仅仅基于状态估计的多传感器多目标跟踪算法的性能进行分析、对比。4、针对被动传感器系统三维(3-D)分配算法的计算负担沉重的问题，提出一种新的多被动传感器多目标量测数据关联的3-D分配算法。在一般的探测环境下，新算法不仅进一步提高了多目标的跟踪性能，而且大大降低了算法的时间复杂度，具有较好的实时性。但在密集目标环境下，新算法的跟踪性能有所下降，为此提出了融合航向信息的新3-D分配算法，该算法在一定程度上克服了新算法的不足之处。此外，考虑到广义概率数据关联算法的优点，在新3-D分配算法的基础上，提出了改进量测和目标之间的关联概率的改进3-D分配算法以及发挥广义概率数据关联算法和新3-D分配算法各自优点的融合算法。总结、分析了各种相关算法的性能及其应用特点。