高速高机动目标主被动联合跟踪算法研究--大学毕业(论文)设计.doc

学 位 论 文

高速高机动目标主/被动联合跟踪算法研究

申请学位级别 硕士 专业名称 导航、制导与控制

学位授予单位和日期 南 京 理 工 大 学
答辩委员会主席
评阅人
注1：注明《国际十进分类法UDC》的类号。

声 明
本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。

研究生签名： 年 月 日

学位论文使用授权声明

南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。

研究生签名： 年 月 日

硕士论文 高速高机动目标主/被动联合跟踪算法研究
摘 要
主/被动联合跟踪是多传感器联合跟踪技术的一个重要部分，它能实现主动传感器和被动传感器的数据互补，改善对目标的跟踪精度，提高系统的生存能力。本文研究的主/被动协同跟踪是主/被动联合跟踪的分支，它能够使跟踪系统在满足跟踪精度要求的同时又具备良好的隐蔽性，这在战场环境愈发复杂的当代，具有很重要的军事意义，因而引起了广泛的关注。基于这样的背景，本文从相关波门、时间配准、数据融合、非线性滤波算法这四个方面对主/被动联合跟踪进行了研究和算法改进。
首先，本文结合了相关波门的知识，提出了一种跟踪系统性能评价方法，因为对于主/被动协同跟踪系统来说，如何实现两种工作模式的转换，尽可能减少主动传感器开机时间，是十分重要的。并且通过比较，对高机动目标，得出了使用“当前”统计模型时，接收正确回波的概率和关联区域大小有更好的稳定性。
其次，由于主动传感器和被动传感器的采样周期不同，将不同采样时刻的数据直接用于目标定位，将会带来很大的误差。针对这种情况，本文采用了虚拟融合法对数据实行配准，从而提高目标定位的精度。
然后，介绍了几种数据融合结构及算法，通过比较，选择了有反馈的分布式融合结构，可以实现主动传感器和被动传感器的有机互补，而且能够提高局部传感器的跟踪精度。因此，对于主/被动协同跟踪系统，这种方法很有意义，本文将其应用在主/被动协同跟踪系统中，对系统进行了改进。
接着，对几种非线性滤波算法进行研究和比较，选择了不敏卡尔曼滤波算法，并将其应用在主/被动协同跟踪系统中，对系统进行改进，通过理论论证和数字仿真，证实了算法的有效性。
最后对虚拟航路进行了仿真，通过实例验证了相关波门、时间配准算法、有反馈的分布式融合结构、及改进的主/被动协同跟踪算法的有效性，为工程应用提供了有益的参考。

关键词：主/被动联合，协同跟踪，相关波门，时间配准，数据融合，不敏卡尔曼滤

III
Abstract
Active-passive joint tracking is an important part of target tracking on fusion of multi-sensor. It can achieve that the data of active sensor and passive sensor complement each other to improve the tracking accuracy and the system’s viability. The active-passive synergistic tracking discussed in this paper is a branch of active-passive joint tracking. It can meet the need of the good tracking accuracy and the good concealment at the same time, which has very important military significance and attracts wide attention in increasingly complex modern battlefield environment. Based on this background, this paper relates to the techniques of correlated gating, time registration, data fusion and nonlinear filtering. And based on these techniques, the paper studies and improves the active-passive joint tracking algorithm.
First, the paper brings a tracking system’s performance evaluation with the knowledge of correlated gating, because for the active-passive synergistic tacking system, how to achieve the transformation between two modes, and minimize the boot time of active sensor, is very important. Then by comparison, for highly maneuvering target, the paper educes with “current” model, the probability of receiving right echo and the size of associated area have better stability.
Second, active sensor and passive sensor have different sampling periods, so if the data of different sampling times is used directly for targeting, it will lead to large errors. To avoid this possibility, the paper uses virtual combination method to implement the registration of data.
Third, several data fusion structures and algorithms are introduced. By comparison, a distributed fusion structure with feedback is chosen, which can achieve the data of active sensor and passive sensor complement each other and enhance the accuracy of target tracking. So, the method is useful for synergistic tracking system. The paper applies this method of data fusion in synergistic tracking system to improve its performance.
Then, several non-linear filtering algorithms are studied and compared. The unscented kalman filter is chosen by comparison, and is applied in the active-passive synergistic tracking system to improve its performance. With theoretical arguments and several simulations, the validity of the improved algorithm is approved.
Finally, With the simulation of the virtual route, the techniques of correlated gating , time registration, distributed fusion structure with feedback, and improved active-passive synergistic tracking algorithm is effective, and provide a useful reference to engineering application.

Key word: active-passive joint, synergistic tracking, correlated gating, time registration, data fusion, the unscented kalman filter

硕士论文 高速高机动目标主/被动联合跟踪算法研究
目 录
摘 要 I
Abstract III
1 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究概况 1
1.2.1 非线性滤波理论研究概况 1
1.2.2 多传感器数据融合技术研究概况 3
1.2.3 主/被动联合跟踪研究概况 4
1.3 本文的主要工作及安排 5
1.3.1 研究内容 5
1.3.2 论文结构安排 6
2 主/被动联合跟踪方法研究 9
2.1 概述 9
2.2 主动跟踪与被动跟踪技术 9
2.2.1 被动定向跟踪 10
2.2.2 被动定位跟踪 10
2.2.3 被动跟踪的可观测性 13
2.3 主/被动联合跟踪的定位 13
2.3.1 跟踪系统结构及工作原理 13
2.3.2 跟踪性能评估 14
2.3.3 异步数据的时间配准 18
2.3.4 数据融合 20
2.3.5 无反馈与有反馈性能仿真比较 24
2.4 主/被动协同跟踪系统 27
2.5 本章小结 30
3 非线性滤波算法研究 31
3.1 概述 31
3.2 测量坐标系的选择 31
3.3 几种典型的非线性滤波 33
3.3.1 经典线性滤波器—卡尔曼滤波 33
3.3.2 扩展卡尔曼滤波 33
3.3.3 不敏卡尔曼滤波 35
3.3.4 仿真比较 37
3.4 基于“当前”统计模型的滤波算法 38
3.4.1 Singer模型 39
3.4.2 “当前”统计模型 39
3.4.3 相关波门的研究 42
3.4.4仿真实验 43
3.5 本章小结 47
4 高速高机动目标主/被动联合跟踪 49
4.1 仿真环境 50
4.2 仿真结果及分析 50
4.4.1 异步数据时间配准仿真 50
4.4.2 主/被动传感器数据融合仿真 52
4.4.3 主/被动协同跟踪与同时跟踪仿真 54
5 结束语 65
5.1 总结 65
5.2 展望 65
致 谢 67
参考文献 69
V
硕士论文 高速高机动目标主/被动联合跟踪算法研究
1 绪论
1.1 研究背景及意义
随着现代科学技术的发展，现代战争的环境越来越复杂，在复杂环境下进行目标跟踪，由于受传感器管理及决策的影响，战场环境的限制，以及提高生存能力等的要求，多个传感器均能同时工作的理想条件往往难以实现。因此研究传感器在这种受限条件下的跟踪，对实际工程应用具有非常重要的意义。
在各种各样的数据融合工程应用中，基于数据融合理论的主/被动传感器数据融合技术是精确导航制导领域中的热门技术之一。被动跟踪具有隐蔽性好，不易被敌方发现的优点。但是它也有其自身的不足，具有弱可观测性等方面的缺点，难以同时满足跟踪精度和隐蔽性的要求。若能有机的联合主动跟踪，势必会大幅度提高目标跟踪的效果，提高系统的战场生存率。其中使用比较广泛的有：ESM(Electronic Support Measurement)与雷达数据融合、红外与雷达(或激光)主被动联合跟踪等。就主/被动雷达数据融合来说，一般，两种雷达的测量原理和实现结构有很大区别，导致两种测量数据在数据率、噪声方差等很多性能上不同，在部分性能上具有互补性。如何将两种数据有效地融合起来便成为一个非常现实的问题。文献[1]中将红外和雷达结合起来，提高了对巡航导弹的跟踪性能。文献[2]通过前视红外传感器测得的目标图像信息，得到较为准确的目标运动信息，同时将前视红外传感器和雷达的角度测量值进行融合，以改善跟踪性能。
对高速高机动目标的实时稳定高效跟踪，是非线性估计理论研究的一个重要课题，被动跟踪更是其中的热点。如何将其应用到主/被动联合跟踪系统中，提高我方战场优势，是一个值得关注的问题。非线性系统估计问题广泛存在于飞行器导航，目标跟踪以及工业控制等领域中，具有重要的理论意义和广阔的应用前景。因此，研究一种高效的高速高机动目标跟踪算法具有重要的理论和工程实践意义。
1.2 国内外研究概况
1.2.1 非线性滤波理论研究概况
机动目标跟踪在现代军事领域有着举足轻重的地位，它关系到战场势态的评估、决策制定和战场指挥等各方面。如何根据目标特点选取模型和滤波算法，是目标跟踪问题中的关键。多年来，国内外研究提出了许多目标模型，比如匀速模型、匀加速模型、Singer模型、“当前”统计模型、交互式多模型等，在这些模型下的滤波算法都是线性的。而严格来说，任何一个实际系统都是非线性的，对于一些弱非线性系统来说，将它看作线性系统可能不会有很大的偏差，但是对众多强非线性系统来说，将它看作线性系统，并对其进行线性建模和滤波，将会造成极大地误差，不能满足要求。在本文中，由于传感器的测量值是在极坐标下表示的，测量方程在极坐标系下是线性的，但是状态方程在极坐标下是非线性的；而如果要求状态方程是线性的，那么必须是在直角坐标系下，但是在直角坐标下的测量方程却是非线性的。因此，在各种坐标系中，状态方程和观测方程同时是线性的可能性非常小，想要获得良好的状态估计精度很困难的，这就涉及到非线性滤波技术。许多年以来，大批学者在此领域不断地深入地研究，涌现出了大量的研究成果。
1972年Whiteombe首先提出了直角坐标系下递推的伪线性卡尔曼滤波(Pseudo-Linear Kalman Filter,PLKF)算法[3]。然后，Vincent J.Aidala分别在1977和1981年发表文章[4,5]，对伪线性滤波做了详细的理论分析，得出了一些重要的结论。1978年Allen G.Lindgern对直角坐标系下的扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行了深入的研究[6]，分析了其固有误差的统计特性。1982年，Vincent J.Aidala特别针对水下平台运动，提出了修正的极坐标下的扩展卡尔曼滤波算法[7]，并对其进行了理论分析，此后这种方法被大量的研究，并在被动跟踪中得到了广泛的应用。1981年，Vassilios Petridis提出了一种基于多模型的“滤波-辨识”联合算法[8]，该算法中使用了一种使角测量线性化的方法，并在此基础上发展了一种多模估计方法，此方法应用了贝叶斯估计，滤波和系统辨识能够同时进行。1985年，Taek.L.Song在理论上对修正的极坐标下的扩展卡尔曼滤波算法进行了分析[9]。至此，传统意义下的被动跟踪技术的理论框架基本建立，对PLE和EKF这两种经典的被动跟踪算法的理论分析也初步完成。Wartin J.Moorman等在1992年[10,11]，Don Lerro等在1995年分别对扩展卡尔曼滤波算法的偏差进行了更深入的分析，并提出了一种改进的扩展卡尔曼滤波算法，其原理是对原来的EKF算法进行补偿，抵消其固有偏差。Y.T.Chan在1991年提出了辅助变量法[12]，该方法结合了角度和多普勒两种信息，使目标跟踪的能力得到了进一步的加强。
进入21世纪，非线性滤波技术得到了极大的发展，其中插值滤波[13]、不敏卡尔曼滤波(Unscented Kalman Filter,UKF)[14]、粒子滤波(Particle Filter,PF)[15]和神经网络滤波是目前具有代表性的滤波算法。
插值滤波利用Stirling内插公式将非线性模型按多项式展开，代替了EKF中的泰勒展开。这种滤波方法不需要对函数进行求导，适应于任何函数，甚至是不连续且存在奇异点的非线性函数，其估计精度高于EKF，达到或超过UKF[13]，而且实现的复杂性和计算量都很小[16]。与EKF相比，UKF方法直接使用系统的非线性模型，不像EKF那样需要对非线性系统线性化，也不需要计算Jacobian矩阵，更容易实现。但EKF和UKF都是针对非线性系统的线性卡尔曼滤波方法的方法的变形和改进方式，因此受到线性卡尔曼滤波算法的条件限制，即系统状态应满足高斯分布，所以，如果系统状态的后验概率密度是非高斯的，那么，将导致滤波性能变差[17]。而粒子滤波是一种解决非线性非高斯问题的有效滤波算法，有着非常广泛的应用。在机动目标跟踪领域，Gordon将PF应用与单站被动纯角度目标跟踪问题[18]，得到了优于EKF的跟踪结果；Hue[19]等把粒子滤波推广到多目标跟踪和数据关联方面；Meginnity[20]等提出机动目标跟踪的多模型粒子滤波。目前，粒子滤波被大量应用在目标跟踪领域。神经网络方法具有并行计算、自学习的特点，而且它的智能性和自适应性很强，适合解决非线性问题，但这种方法的缺点是经验性强、不能够普遍适用、工程实现性弱，估计的精度也不是很好，所以使用神经网络进行非线性估计的理论探讨虽然激烈，但到真正能够大量解决工程问题的阶段还需要一段时间。当然，随着研究的深入，神经网络等智能化方法在非线性估计领域中的地位将日渐重要。
如何选择非线性估计算法，必须根据具体应用场合，在估计精度、实现难易程度、数值稳定性及计算量等方面之间综合考量。传统的扩展卡尔曼滤波算法应用最为广泛，但其原理有缺陷，估计性能有时不能满足需求。插值滤波算法可以弥补EKF的一些缺陷，是一种很有发展前途的非线性滤波算法。UKF和PF用非线性变换代替传统的线性变换，体现了一种先进的思想，这种先进思想就是“非线性估计算法应更接近系统的非线性本质[16]”。我认为这种思想代表了非线性估计的发展方向。此外，神经网络等人工智能随着研究的深入也是具有广阔的应用前景的。
1.2.2 多传感器数据融合技术研究概况
随着科学技术的快速发展，在现代战争中，单个传感器的测量数据已经无法满足需求，必须利用多个传感器的测量数据，对目标进行状态估计、势态评估、决策制定等。因此，多传感器数据融合技术迅速地发展起来，并在军事领域得到了广泛的应用。
多传感器数据融合是指对多个传感器的数据进行多级别、多层次、多方面的处理，然后产生新的对实际情况更加有用的数据，而这种数据是单个传感器无法得到的[21]。在军事领域，数据融合包含许多方面，主要有：多传感器的检测判决、多传感器目标识别的属性融合、多传感器的目标状态估计融合、环境的态势描述和威胁估计以及传感器管理和数据库等[21]。多传感器数据融合完成了检测到威胁估计这整个处理过程，它不仅对目标状态和属性进行了估计，而且对整体的态势和威胁也进行了评估。多传感器数据融合可以扩大侦测范围，提高分辨率和估计精度，增强系统的可靠性，并且可以同时进行有源和无源探测，增强系统的隐蔽性和生存能力。此外，多传感器数据融合在工业、金融等方面也有广泛的应用。
国外有关数据融合技术的研究起步早，早在第二次世界大战末期就已经出现了使用多种不同传感器的系统。当时在高炮火控系统中同时使用了雷达和光学传感器。两种传感器信息融合使用，不仅提高了高炮系统的瞄准精度，也大大提高了抗干扰能力和恶劣环境下的生存能力。不过当时对两种信息的综合评判只能通过人工完成，质量低，速度缓慢。现代数据融合概念是在二十世纪七十年代提出的，最初主要是同时使用多种雷达执行同类传感器数据融合的处理。二十世纪七十年代末期，由于电子战和ESM系统的引入，数据融合开始引起人们的重视。但真正的技术进步和发展是二十世纪八十年代以后的事。二十世纪八十年代以来，美军一直高度重视使用数据融合的战术和战略监视系统。美国国防部从海湾战争中体会到了数据融合技术的巨大潜力，因此，在海湾战争结束后，更加重视信息自动综合处理技术的研究，并投入了大量的研究资金，也获得了不少研究成果[22]。
在美国的带动下，二十世纪八十年代后期以来，西方其它先进技术国家也先后加强了多传感器数据融合技术的研究，并且开始向民用部门发展。此外，国外还出版了很多有关数据融合方面的专著。其中，Linas和Waltz的《多传感器数据融合》和Hall的《多传感器数据融合的数学技术》对数据融合研究的内容和公共基础作了全面系统地论述。Blackmann的《多目标跟踪及在雷达中的应用》、Farina，Studer的《雷达数据处理》、Bar-Shalom和Fortmann的《跟踪和数据关联》、《多目标多传感器跟踪原理与技术》以及Bar-Shalom主编的《多传感器多目标跟踪：方法和进展》综合论述了数据融合技术在目标跟踪领域的新思想、新方法和新进展。
数据融合技术的研究在国内起步相对较晚，直到二十世纪八十年代末期才开始涌现有关多传感器数据融合技术研究的报道。二十世纪九十年代初，数据融合技术在国内才逐渐形成高潮。国内一些高校和研究所开始从事数据融合技术的研究工作，产生了很多理论研究成果。与此同时，也出现了不少数据融合技术方面的学术专著，其中具有代表性的有：周宏仁等的《机动目标跟踪》，康耀红的《数据融合理论及应用》，敬忠良的《神经网络跟踪理论及应用》，杨靖宇的《战场数据融合技术》，刘同明等的《数据融合技术及应用》，何友等的《多传感器信息融合及应用》等。二十世纪九十年代中期，数据融合技术在国内己经发展成为受多方关注的重要技术，出现了许多热门的研究方向。很多学者在机动目标跟踪、分布监测融合、多传感器综合跟踪与定位、分布信息融合、目标识别与决策信息融合、姿态评估与威胁估计等领域孜孜不倦，创造出不少理论和应用成果，出现了一批多目标跟踪系统和有初步综合能力的多传感器数据融合系统[23]。
1.2.3 主/被动联合跟踪研究概况
近年来，由异类传感器组成的多传感器融合系统越来越得到重视，它是现代电子战、机载雷达信息处理和多传感器其一体化技术的重要组成部分。这其中就包括由主动传感器和被动传感器组成的多传感器综合系统。通过主动传感器和被动传感器的数据融合，一方面，可以充分利用主动传感器和被动传感器的信息，使它们有机地融合以实现对目标的更好的状态估计；另一方面，主动传感器和被动传感器可以互相告警，在有干扰的复杂的战场环境下，被动传感器可以对主动传感器实施引导，减少主动传感器的开机时间，提高系统的隐蔽性，增强系统的生存能力[21]。
主动传感器能够提供完整的测量信息(距离量测、角度量测或其他多普勒信息)，所以它能够较为精确地估计目标状态。但是因为主动传感器主动对外发射信号，容易被反探测到，从而易导致敌方的干扰和攻击。被动传感器本身不对外发射信号，它是利用目标本身辐射出的信号，对目标进行探测与跟踪。因此，利用被动传感器对目标进行跟踪，可以使跟踪系统具有较好的隐蔽性、抗干扰能力和生存能力。不过由于被动传感器本身的特性，即不能获得距离信息，因此被动传感器独立对目标进行跟踪时，很难得到精确的状态估计。如果对这两种传感器的测量数据进行有机地融合，合理的管理分配，减少主动传感器的开机时间，那么就可以使得跟踪系统具有更高的精度、更好的生存能力。
在文献[24]中研究了在各雷达航迹样本容量相同的情况下，电子支援(Electronic Support Measurement,EMS)传感器和雷达航迹的关联问题。随后，Trunk和Wilson在各雷达航迹样本容量不相等的情况下，基于统计理论研究了ESM与雷达的航迹关联[25]。此后王国宏、何友等又基于模糊理论，对ESM与雷达的航迹关联问题又进行了研究，并提出了基于集对分的ESM与雷达的航迹关联算法。除此之外，雷达与红外传感器的主/被动融合跟踪算法也得到了广泛的研究。文献[21]中，详细介绍了雷达和红外传感器的融合跟踪算法。首先，介绍了集中式数据融合算法，包括基于最小二乘算法数据压缩的雷达和红外融合算法，基于多传感器概率数据互联滤波(Multisensor PDAF,MSPDAF)和基于交互式多模型多传感器概率数据互联滤波(IMM/MSPDAF)的雷达和红外融合算法。其中，第一种方法简单实用；MSPDAF适应于多杂波环境；IMM/MSPDAF适用于多杂波、目标机动的场合，但计算量大。随后，介绍了分布式数据融合算法，包括有反馈与无反馈两种。其中，无反馈的雷达/红外融合方法由于互协方差的原因，不是全局最小均方差意义下的最优融合，而有反馈的雷达/红外融合方法由于加入了反馈，避免了互协方差的影响，因此是最小均方意义下的最优融合[21]。
以上介绍的主/被动联合跟踪系统均是主动传感器与被动传感器同时工作，而在复杂的战场环境下，这种情况很可能不能被满足，因此，就出现了主/被动协同跟踪系统。主/被动协同跟踪系统能够减少主动传感器的开机时间，增强跟踪系统的隐蔽性和生存能力，这在军事领域有重要的意义。国内学者潘泉、张洪才、程咏梅等对这种系统进行了深入的研究。文献[26,27]中建立的协同跟踪系统的结构模型，并对匀速直线运动目标进行了跟踪性能分析，得出此系统能够在满足跟踪精度的要求下，减少主动传感器的开机时间，增强系统的生存能力。
1.3 本文的主要工作及安排
1.3.1 研究内容
针对主/被动联合跟踪系统的特点，本文从性能评估、时间配准、数据融合和非线性滤波算法四个方面进行研究和算法改进。本论文解决的主要问题是：
(l)寻找一种跟踪性能评估方法
对于主/被动协同跟踪系统来说，根据怎样的规则来实现两种工作模式的转换，是十分重要的。因此，本文首先要解决的问题，就是在尽可能减少主动传感器开机时间的前提下，利用相关波门的有关知识，研究一种简单且可靠的性能评估方法，确定跟踪系统的工作模式。
(2)寻求时间配准方法
主/被动联合跟踪系统涉及到多传感器数据融合这个技术难点，那么就不可避免地会遇到数据时间配准的问题。由于主动传感器和被动传感器的采样周期不同，将不同采样时刻的数据直接用于目标定位，将会带来很大的误差。针对这种情况，需要寻求可行的时间配准方案，从而提高目标定位的精度。
(3)寻求一种数据融合方法
由于主/被动联合跟踪系统涉及到多传感器数据融合，那么不可避免地就会遇到数据融合结构等问题。数据结构分为集中式、分布式、混合式等，选择合适的数据结构对数据的融合、跟踪的精度有很大的影响。特别是，对于主/被动协同跟踪系统，不仅要求融合系统的整体精度，也对局部传感器的跟踪精度一定的要求。
(4)研究非线性滤波算法并对跟踪系统进行改进
主/被动联合跟踪系统涉及到非线性滤波问题。因此，通过对几种非线性滤波算法的研究，寻找一种合适的滤波算法，对改善整个系统的跟踪性能，具有十分重要的意义。在本论文中，将着重研究不敏卡尔曼滤波算法，并将其应用在主/被动协同跟踪系统中，对系统进行改进，通过理论论证和数字仿真，证实算法是否有效。
1.3.2 论文结构安排
全文共分为五章。
第一章为绪论，介绍了高速高机动目标主/被动联合跟踪的研究背景及意义，国内外非线性滤波理论的发展现状，以及多传感器数据融合技术的研究概况，并在此基础上给出了本文的结构安排。
第二章阐述了主/被动联合跟踪系统的基本思想和系统结构。介绍了主动跟踪与被动跟踪相关知识。研究了主/被动联合跟踪系统的时间配准问题，针对多传感器采样周期不统一的问题，给出了时间配准的基本算法，通过实例证明了时间配准的重要性和算法的有效性。针对主/被动协同跟踪系统的特点，讨论了相关波门的有关知识，并将其用在协同跟踪系统中，评估系统的跟踪性能。主/被动联合跟踪系统不可避免地会涉及到数据融合结构等问题，因此介绍了几种数据融合结构，重点给出了有反馈和无反馈分布式融合结构的滤波算法，并通过实例证明了有反馈分布式融合结构算法的优势。然后，将上述方法，应用在主/被动协同跟踪系统中，给出了协同系统的流程图，并通过仿真，证实了与主/被动传感器同时工作的系统相比，协同跟踪系统的优势。
第三章给出了典型的几种非线性滤波算法，主要包括扩展卡尔曼滤波和不敏卡尔曼滤波，总结了各种滤波算法的特点和适用范围，并通过数字仿真从滤波精度和是否发散等性能指标上做了分析比较。然后，针对高速高机动目标的特点，给出了“当前”统计模型下的EKF和UKF算法，并通过仿真，对算法进行了比较。
第四章针对高速高机动目标，将基于“当前”统计模型下的UKF算法应用到主/被动协同跟踪系统中，当被动跟踪系统单独工作时，采用此算法，并对仿真结果与EKF算法进行了比较，做出了分析。采用虚拟融合法将来自主动传感器和被动传感器的不同采样周期的测测量信息配准到统一的时间间隔下，验证时间配准算法的性能；将有反馈的分布式融合算法与无反馈的分布式融合算法做比较，考察各方法的跟踪性能；将主/被动同时跟踪算法与协同跟踪算法进行了比较。仿真结果验证了新方法的有效性，为工程应用提供了有益的参考。
第五章对全文进行了总结，并对进一步的研究提出了建议。

13
硕士论文 高速高机动目标主/被动联合跟踪算法研究
2 主/被动联合跟踪方法研究
2.1 概述
数据融合技术给目标跟踪系统带来了很多益处，因此，在数据融合技术在目标跟踪领域得到广泛的应用，并已经研究出了各种目标跟踪数据融合系统[28]。之前关于数据融合跟踪的研究，大多集中在多个传感器均能同时工作的前提条件下进行。而在实际的战争环境下，由于受多传感器管理及决策的影响，战场环境的限制以及提高生存能力等的要求，多个传感器均能同时工作的理想条件往往难以实现[26]。因此研究传感器在受限条件下的数据融合跟踪，对实际应用具有非常重要的意义。
本文假设在单机平台上装有两种传感器：被动传感器和主动传感器，要求在获得良好的跟踪跟踪精度的同时保持良好的隐蔽性。在这种条件下，通常的两个传感器均能同时工作的数据融合跟踪系统已不再适用。因为，主动传感器(比如雷达)主动发送电磁波，很容易暴露，因此它的工作必须受到一定的限制，以保证系统有良好的隐蔽性。但是主动传感器不能完全关闭，因为，被动传感器虽然隐蔽性很好，测角精度高，但在很多情况下属于纯方位跟踪，会出现强非线性、弱可观测性等问题，因此滤波稳定性差，容易发散，同时还要求观测站进行特定的运动，以增强系统的可观测性[26]。而主动传感器的测距精度高，跟踪算法相对成熟，正是被动跟踪的有益补充。采用被动跟踪为主，主动跟踪为辅的数据融合系统对目标进行跟踪有利于更充分地发挥主/被动两种传感器各自的优势，使其相得益彰。与通常的融合系统相比，这种融合系统可靠性高、隐蔽性好、系统生存能力强等优势，在恶劣的战场环境下，是目标跟踪的一种优良工程实现方案。
2.2 主动跟踪与被动跟踪技术
现代跟踪设备根据工作方式大致可分为主动式和被动式两种。主动跟踪系统使用主动传感器如雷达，其工作原理是向空中辐射电磁波，通过获取目标的回波来探测目标并对其进行定位。由于其性能不受天气情况的影响，能够较为准确地获得目标的量测信息，使雷达在跟踪系统中起着重要的作用。随着科技的发展，战场等环境越来越复杂，这就要求在获取信息的同时又不能暴露自己，而主动传感器，是有源探测器，发出的信号易于被对方侦测，因此容易遭受敌方干扰及反击。于是，无源探测设备应运而生，即被动传感器。被动传感器本身不发射信号，而是被动地接收目标所发出的信号，对目标进行跟踪，由于其不辐射能量，因而不可能被敌方侦察和定位，从而无从实施干扰和攻击。同时由于飞行器(包括隐身飞机)不可避免地要辐射电磁能量和热量(红外线)、反射可见光，又为探测和定位创造了条件。因此，被动传感器受到各国有关部门的高度重视。
随着科技的迅速发展，被动传感器的性能得到了很大提高，比如红外(Infrared-IR)传感器。前视红外成像传感器(FLIR)和红外搜索与跟踪传感器(IRST)是目前被广泛使用的两种红外传感器。相对来说，FLIR作用距离较近，信息处理时间较长，因此限制了它在战场上的应用；IRST将目标当做点源进行探测跟踪，作用距离较远。与主动传感器(雷达)相比，IRST具有角分辨率高、抗干扰能力强、隐蔽性好等优点；但又有在恶劣环境下远距离性能差，不能提供有用距离信息等缺点。但随着科技的发展，IRST探测跟踪的距离大大增加，且对目标距离测量问题的研究也取得了很大的进展。
近年来，由于高科技作战的需要，被动跟踪技术作为跟踪技术的一个重要分支，得到了迅速发展，出现了各种理论，其工程应用也涉及各个方面，在雷达告警、空中目标探测与跟踪、水下声纳目标跟踪、卫星监视、以及交通管制等领域得到了广泛应用。
2.2.1 被动定向跟踪
在很多应用领域，被动传感器和主动传感器配合使用，成为相互独立又彼此补充的探测跟踪手段，利用主动传感器高精度的测距信息和被动传感器高精度的测角信息，可以给出对目标位置等状态进行精确估计。但是当主动传感器(雷达)处于无线电静寂或受到敌方干扰而不能正常工作时，被动传感器就要独立地对目标进行搜索、探测和跟踪，即在很多情况下会单独使用被动探测设备，这时它的被动特性使它具有很好的隐蔽性，在对敌攻击中占据上风。正因如此，被动跟踪一直是目跟踪领域的一个重要的研究方向。
根据所求运动参数的不同，被动跟踪可以分为被动定向跟踪和被动定位跟踪两种。定向跟踪是以角度和角速度作为状态变量，而定位跟踪是以位置、速度、加速度等运动参数为状态变量。定向跟踪算法是将目标运动模型线性近似，从而在量测坐标系中进行线性递推滤波。被动传感器与主动传感器不同，它没有距离信息，不能利用目标的精确运动方程，因此需要简化模型。在滤波过程中，常常选取四维状态变量(方位角，方位角速度，俯仰角，俯仰角速度)。被动定向的作用之一是给主动跟踪系统或火控系统作角度引导。这里我们以IRST为例进行讨论。由于IRST主要用于远距离目标的搜索和跟踪，这时目标作机动的可能性较小，那么目标的跟踪问题将得到简