论文部分内容阅读
光电跟踪测量设备是目标跟踪测量领域中的重要设备，为了保证对目标稳定可靠的跟踪以及提高设备的作用距离，现代光电跟踪测量系统通常具有可见光电视、红外电视等多种传感器。在实际应用中，如何有效可靠的完成对机动目标的稳定跟踪，如何充分利用多个传感器数据提高跟踪精度和跟踪稳定性，不仅是光电跟踪测量系统的研究重点，也是现代目标跟踪系统中的热点问题。本文针对这两个问题，对多传感器数据融合的基本理论、光电跟踪测量系统中的机动目标跟踪、目标关联以及多传感器航迹融合进行了分析与研究，主要研究内容包括以下几个方面：
对多传感器数据融合的基本原理进行了介绍，对JDL功能模型的组成和各部分的功能进行了详细的描述，并且分析了集中式、分布式和混合式三种融合结构的优缺点和应用范围，为深入分析光电跟踪测量系统中多传感器数据融合方式的提供了坚实的基础。
多传感器航迹融合的成功应用，同样需要单传感器获得精度较高的目标航迹，因此首先对单传感器滤波预测算法进行了分析与研究。针对光电跟踪目标的特点，研究了光电跟踪中常用的滑窗最小二乘滤波器和Kalman滤波器，针对常用滤波算法解决非线性问题的不足，提出了适合光电目标跟踪的扩展Kalman算法。对于光电跟踪中机动目标跟踪问题，研究了Singer算法、当前统计模型算法以及交互多模型算法等自适应滤波算法，分析和比较了它们在实际应用中的跟踪效果。
对目标进行跟踪预测是建立在获得准确的目标航迹基础上，而目标航迹的建立主要是通过航迹起始和航迹关联实现。针对目标航迹起始问题，提出了适合光电跟踪测量系统的逻辑起始算法，它能够很好的在密集目标和复杂背景下进行航迹起始。针对航迹关联问题，在研究了最近邻关联算法、概率数据关联算法等目标关联算法的基础上，根据光电跟踪测量设备可以获得目标灰度、面积等多种特征的特点，基于数据融合的思想，采用多特征融合的方式充分利用各种特征信息，结合概率数据关联算法，提出了基于多特征融合的概率数据关联算法。
对于光电跟踪测量系统的多传感器航迹融合，深入研究了各种航迹融合算法，包括早期的等权值融合算法、常用的先验精度极大似然算法、适合动态调整的协方差组合融合算法以及最优分布式融合算法，分别对其融合精度进行了分析和比较。然后针对光电跟踪测量系统的实际情况，提出采用联合Kalman滤波器来进行航迹融合，并深入分析了联合滤波器的关键技术、工作流程和主要结构。最后，针对光电跟踪测量系统在跟踪时无法获得距离信息，量测模型无法准确建立的问题，提出将外引导数据和光电跟踪测量系统的航迹进行融合处理，提高量测模型的精度，从而提高系统的跟踪预测精度。
针对光电跟踪测量系统的工程实现问题，提出将数据融合处理系统作为数据处理核心，负责系统中所有分系统数据的输入输出和处理，获取对系统各个部分的状态及控制，实现了数据处理的模块化和流程化。对整个融合系统的工程实现包括基本流程以及功能模块进行了全面的介绍。
对于各种滤波算法和多传感器数据融合算法而言，算法参数的调整和测试是实现稳定高精度跟踪的关键，这需要大量数据进行算法效果的验证。为了便于算法的验证，研究了算法测试中常用的轨迹仿真方法，并在工程中软件实现，提高了仿真算法的测试效率。