多傳感器目標(biāo)跟蹤數(shù)據(jù)融合關(guān)鍵技術(shù)研究.pdf

1、隨著目標(biāo)跟蹤和信息融合技術(shù)的高速發(fā)展，人們開始探索利用多個傳感器的測量數(shù)據(jù)對跟蹤目標(biāo)的運動狀態(tài)進(jìn)行估計，以實現(xiàn)最大限度提取有用信息進(jìn)行目標(biāo)跟蹤的目的。如何將多個傳感器的數(shù)據(jù)進(jìn)行有機(jī)融合，獲得單一傳感器無法達(dá)到的跟蹤性能，已經(jīng)成為目標(biāo)跟蹤領(lǐng)域中多傳感器數(shù)據(jù)融合技術(shù)研究和關(guān)注的重點。
　　 本文針對多傳感器目標(biāo)跟蹤數(shù)據(jù)融合技術(shù)中的一些關(guān)鍵問題進(jìn)行認(rèn)真研究和深入探討，為數(shù)據(jù)融合技術(shù)應(yīng)用到目標(biāo)跟蹤問題提供了重要參考。在分析總結(jié)前人的研究

2、和應(yīng)用基礎(chǔ)上，主要進(jìn)行的工作如下:
　　 1、將集合卡爾曼濾波技術(shù)引入到多傳感器目標(biāo)跟蹤領(lǐng)域，驗證EnKF算法的可行性和有效性;針對多個EnKF濾波器擁有共同的過程噪聲以及觀測集合導(dǎo)致濾波后航跡相關(guān)的問題，提出了基于EnKF的協(xié)方差加權(quán)航跡融合算法;來源于不同傳感器的測量數(shù)據(jù)會產(chǎn)生多個可能初始狀態(tài)，針對初始狀態(tài)選擇會對跟蹤性能影響問題，提出了基于分塊EnKF的非線性目標(biāo)跟蹤算法，采用分塊思想生成初始集合，在分塊間再進(jìn)行協(xié)方差加權(quán)

3、融合;將集合卡爾曼濾波算法和粒子濾波算法有效的結(jié)合在一起，提出了基于改進(jìn)EnPF的非線性目標(biāo)跟蹤算法，采用兩個獨立集合，先利用一個獨立集合進(jìn)行集合卡爾曼濾波，然后利用集合卡爾曼濾波的分析集合和另一個獨立集合組成粒子濾波的參考分布，最后進(jìn)行粒子濾波的方式結(jié)合了集合卡爾曼濾波算法和粒子濾波算法的優(yōu)點，解決了EnKF濾波算法不適合非高斯噪聲系統(tǒng)和PF濾波算法計算量大不適用于實時跟蹤的問題。
　　 2、在目標(biāo)跟蹤系統(tǒng)中，傳感器觀測噪聲往

4、往具有非高斯特性。針對傳感器對目標(biāo)進(jìn)行跟蹤時觀測噪聲非高斯問題，提出了一種基于關(guān)系矩陣的主、被動傳感器量測統(tǒng)計融合算法。算法采用方差加權(quán)距離解決傳感器量測噪聲非高斯問題，運用傳感器綜合融合度構(gòu)建關(guān)系矩陣，并且在門限附近采用橢圓模糊處理技術(shù)。
　　 3、傳感器的測量誤差是由固定誤差和隨機(jī)誤差組成。固定測量誤差一般由傳感器本身特性決定，而隨機(jī)誤差會受到傳感器與目標(biāo)之間的距離、自然抑或是人為干擾等隨機(jī)因素影響。在不考慮干擾的情況下，傳

5、感器與目標(biāo)間的距離成為影響隨機(jī)測量誤差的主要原因。針對目標(biāo)和傳感器間的距離參數(shù)對傳感器隨機(jī)測量誤差帶來影響的問題，提出了一種基于模糊距離閾值的主被動傳感器變權(quán)重量測融合算法，采用指數(shù)函數(shù)和模糊處理技術(shù)，利用先驗信息實時改變主、被動傳感器在量測融合過程中所占的權(quán)重，提高系統(tǒng)的跟蹤性能。
　　 4、多傳感器目標(biāo)跟蹤系統(tǒng)中信息增量最大化只是傳感器資源對運動目標(biāo)進(jìn)行分配的必要條件而非充分條件。本文綜合考慮影響傳感器資源對目標(biāo)分配的因素，