基于雷达跟踪技术的机动目标模拟及跟踪方法.ppt

1、指导教师：,基于雷达跟踪技术的机动目标模拟及跟踪方法,班级：姓名：学号：,研究的背景及意义,目标跟踪是现代雷达的主要研究领域，机动目标是主要的研究对象，雷达仿真是主要的研究手段。系统模拟技术的出现推动了雷达跟踪技术的发展。用系统模拟技术来仿真雷达目标和环境，产生包含目标环境信息和自身信息的回波信号，可以在不具备雷达前端的条件下进行各项分析调试和性能指标检验，大大降低了科研人员的工作强度，具有很大的灵活性。机动目标模拟就是利用雷达系统模拟技术，对机动目标的工作环境、运动过程进行仿真，并将获得的数据用于互联和滤波。,近年来，世界各国纷纷投入了大量的人力、物力、财力从事雷达模拟研究，一些技术发达国家

2、都普遍的使用了雷达信号模拟器。凡是以雷达作为探测手段的武器系统，一般都配有先进的雷达模拟器，以逼真的模拟威胁情景。 目前美国己有两百多家公司在研制模拟器，每年投资十多个亿美元。 我国利用计算机和数字信号处理器(DSP)相结合产生的用于机载雷达系统设计、联试、检测和维护的目标回波信号模拟器，在各种类型的机载PD雷达联试中普遍采用，首先在电脑上产生模拟回波数据文件，然后由高速专用数字信号处理器对数据进行综合处理后，经高速D/A变换器产生所需雷达回波信号，达到对雷达目标及其环境实时模拟的目的。,国内外发展现状,论文的结构和主要内容,第一部分：杂波建模与仿真第二部分：目标建模与仿真 第三部分：航迹起始

3、与关联 第四部分：航迹滤波与外推,结束语,本文主要研究了机动目标的模拟与跟踪方法，仿真了雷达从目标检测到目标跟踪的全过程。本文优点： 首先对目标场景进行了模拟，重点研究了数据互联、跟踪滤波这两个部分。最后研究了机动目标的跟踪滤波方法。通过仿真验证，对跟踪结果方差的比较，发现改善的滤波方法方差较小。本文也存在以下不足之处： 1、由于没有精确的雷达前端参数，模型的建立相对粗糙。 2、在仿真中偶有偏差较大的情况，这可能是因为系统了较大的伪随机数。,致谢,感谢我的导师XXX、XXX，以及在座的各位老师。,返回,杂波建模与仿真,图1-1 杂波示意图,图1-2 杂波仿真示意图,杂波的来源多种多样，根据其电

4、磁反射特性可以对杂波大致进行分类。雷达杂波主要有以下几类：1.地面杂波2.海杂波3.体杂波。,返回,目标建模与仿真,雷达跟踪的目标按运动类型可以分为三类：匀速直线运动目标、匀加速直线运动目标以及机动目标。,图2-1 匀速运动目标 图2-2 杂波中的匀速运动目标,目标建模与仿真,图2-3 匀加速直线运动目标 图2-4 杂波中的匀加速直线运动目标,图2-5 匀加速曲线运动目标 图2-6 杂波中的匀加速曲线运动目标,目标建模与仿真,目标建模与仿真,图2-7 转弯机动目标 图2-8 杂波中的转弯机动目标,返回,航迹起始与关联,一套完整的多目标跟踪算法可以分为三大部分：首先是跟踪启动，然后是数据关联及跟

5、踪维持，最后为跟踪终结。,航迹起始算法分为两大类：顺序处理技术和批处理技术。顺序处理技术主要包括启发式规则方法和基于逻辑的方法，适用于相对无杂波的航迹起始；批处理技术主要包括Hough变换法等，适用于强杂波环境。,图3-1 最近邻算法 图3-2 跟踪标准差,仿真以及性能分析 ： 目标做匀加速运动：初始状态如下：x0=5000；y0=25000；vx0=100；vy0=0；ax0=0.5；ay0=0.5，用不同方法进行互联结果如下；,航迹起始与关联,航迹起始与关联,图3-3 概率数据互联跟踪曲线 图3-4 跟踪标准差,航迹起始与关联,图3-5 改进方法跟踪曲线 图3-6 跟踪标准差,航迹起始与关

6、联,结论： 经多次仿真发现，最近邻数据互联方法对应的标准差都比较大，概率数据互联方法的性能较好，改进的互联方法对应的标准差最小。,返回,航迹滤波与外推,完成数据互联以后，就要进行目标的滤波。滤波的目的是为了对目标过去和现在的状态进行平滑，同时预测目标的的位置、速度和加速度等参量，通过将互联数据传入滤波器来实现状态的更新，并进行状态预测。目前有常用的滤波器三种：卡尔曼滤波器和滤波器和 滤波器。,卡尔曼滤波器的工作原理如下面流程图所示：,航迹滤波与外推,图4-1 滤波流程图,A.卡尔曼滤波为线性时变系统的一种线性无偏最小均方误差估计，适合于非平稳过程，当目标匀速运动时，卡尔曼滤波与 等效，但是在暂

7、态过程中，或目标做随机机动飞行时，卡尔曼滤波性能优于 滤波器。B.卡尔曼滤波器在做出估计的同时给出估计的误差方差，而 滤波器、 滤波器并不具备对误差方差进行更新。C. 滤波器、 滤波器计算量相对较小，而卡尔曼滤波增益的计算量比较大，但是相对来说，卡尔曼滤波系统在理论上是比较完善的，不过也存在一些问题有待于改善和解决，主要有滤波的数学模型、实时处理能力和数据发散问题，且滤波模型的确定也相对困难，但这是一种非常有应用前景的滤波方法。,卡尔曼滤波器与 滤波器、 滤波器的比较如下：,航迹滤波与外推,航迹滤波与外推,从前面的介绍可以看出，目前常用滤波方法有卡尔曼滤波、 和 滤波，卡尔曼滤波最大的优点在于

8、跟踪的实时性，目标运动状态变化能有效回馈给系统，从而调整滤波增益，实现对目标的有效跟踪，但卡尔曼滤波的性能与过程噪声和量测噪声的统计特性、初始条件等因素相关，并且在滤波过程中对未知量进行了假设，所以有可能会出现滤波发散。,航迹滤波与外推,图5-1 目标数据产生及局部放大图,匀速直线运动各个参量设置如下：x0=30000 20000 10000 20000 30000；y0=20000 30000 40000 50000 60000；vx0=100 100 100 100 100；vy0=0 0 0 0 0；ax0=0 0 0 0 0；ay0=0 0 0 0 0；目标的量测数据通过采样加噪声获得

9、，假设雷达扫描圈数为200圈，扫描周期为2秒，机动时常数即机动频率为0.1秒。用不同的方法得到滤波结果如下：,航迹滤波与外推,图5-2 滤波曲线及局部放大图,航迹滤波与外推,图5-3 不同滤波方法所得标准差,航迹滤波与外推,结论： 图中o为 滤波，点为 滤波，+为卡尔曼滤波，经多次实验表明，三种方法的标准差绝大部分落在500米以内，还有一部分落在1000米范围内，对于这种粗糙模型来说是可以接受的，从图上可以看出对于匀速直线运动， 滤波性能最好， 次之，卡尔曼滤波相对性能较差，上面的仿真结果验证了对于匀速直线运动各滤波器性能的优越性比较。,航迹滤波与外推,航迹滤波与外推,图5-4 目标模型图,小结： 本部分研究了目标跟踪常用的滤波方法，各种滤波方法都有一定的适用范围，都是针对某种特定的目标类型性能较好，针对这个局限性，提出了改善的方法，根据目标状态的变化实时调整滤波方法，经仿真验证具有较好的性能。,返回,