论文部分内容阅读
基于非合作雷达的无源雷达因具有反隐身特性强、隐蔽性好、中低空探测能力强等优点,而逐渐成为现代雷达技术的一个重要发展方向。由于在无源雷达跟踪场景中,目标定位方程非线性强、定位精度低、量测数据与目标状态关联信息不确定性高,从而使得对无源雷达目标定位跟踪技术的研究存在诸多难点亟待解决。本文首先对无源雷达常用定位方法及其定位精度进行详细分析,在选择了基于到达角与时延信息的联合法后,首先采用粒子滤波(Particle Filter,PF)技术解决单目标跟踪问题,然后利用概率假设密度(Probability Hypothesis Density,PHD)粒子滤波算法(P-PHD)解决多目标跟踪问题,最后,采用Matlab GUI设计实现单站无源定位跟踪的仿真模块进行系统验证。本文的主要工作和创新概括如下:针对目标跟踪的前提即定位方法的选取展开研究。首先介绍无源雷达的典型定位方法,随后通过仿真实验详细分析了不同定位方法,不同定位体制以及不同收发站布局对无源雷达目标定位精度的影响情况,以此选取适合无源雷达的目标定位方法并得到后续跟踪滤波算法的观测方程。基于粒子滤波方法研究无源雷达单目标跟踪问题。(1)针对传统非线性跟踪方法在无源雷达定位跟踪系统中稳定性差、估计精度低的问题,结合粒子滤波算法给出了一种多模型跟踪滤波算法。(2)针对PF算法的粒子退化问题,基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法,通过在重采样环节中融合当前时刻的观测信息,以此来改善粒子滤波算法估计精度。基于P-PHD算法研究无源雷达多目标跟踪问题。(1)针对基本P-PHD算法中存活粒子采样环节没有引入当前的量测信息而造成的粒子多样性缺失问题,根据似然函数选取量测值,利用集合卡尔曼(Ensemble Kalman filter,EnKF)算法获得存活粒子的重要性函数,有效的提高了P-PHD算法的稳定性与估计性能。(2)针对基于量测驱动(Measurement-driven)的PHD算法(PHD-M)中存活目标权值更新时的数据冗余问题与对新生目标的采样问题,采用量测分类的思想,将量测集分为存活目标量测与杂波量测,用存活目标量测更新存活目标权值,对杂波量测采样产生新生目标粒子,提高了对目标数目的估计精度。采用Matlab GUI设计实现单站无源定位跟踪滤波的仿真系统,采用该系统进一步验证本文所提算法的有效性。