KEY TECHNOLOGY RESEARCH ON SHIPTRACKING IN HIGH FREQUENCYSURFACE WAVE RADAR
摘要
Abstract
CONTENTS
第1章 绪论
1.1 课题背景
1.1.1 高频地波雷达概述
1.1.2 高频地波雷达的优势
1.1.3 高频地波雷达数据处理问题的研究意义
1.2 高频地波雷达跟踪发展概述
1.2.1 航迹起始理论
1.2.2 非线性滤波
1.2.3 数据关联理论
1.3 本文研究内容
第2章 目标跟踪中的状态估计
2.1卡尔曼滤波与扩展卡尔曼滤波
2.1.1经典卡尔曼滤波
2.1.2扩展卡尔曼滤波
2.2交互式多模型(IMM)滤波器
2.2.1 基本交互式多模型(IMM)滤波器算法
2.2.2 关于模型转移矩阵的确定
2.3 本章小结
第3章 基于信息熵的远端航迹起始方法研究
3.1 现有航迹起始方法
3.1.1 直观法
3.1.2 逻辑法
3.1.3 Hough 变换
3.1.4 改进Hough 变换
3.2 远端目标点迹起始波门选择
3.2.1 径向信息与切向信息
3.2.2 径向信息的优化
3.2.3 角度波门的设置
3.3 基于信息熵的远端航迹起始方法
3.3.1 信息熵简介
3.3.2 信息熵的计算
3.3.3 基于信息熵理论的航迹属性的认定
3.3.4 基于信息熵概率数据关联
3.4 实验结果演示
3.4.1 仿真数据
3.4.2 实际数据
3.5 工程应用中存在的问题
3.6 本章小结
第4章 无味滤波在雷达目标跟踪中的应用
4.1 无味变换的基本思想
4.1.1 均值和协方差的非线性变换
4.1.2 无味变换的基本算法过程
4.1.3 无味变换σ 点集的选取方式
4.2 无味卡尔曼滤波
4.2.1 无味卡尔曼滤波的基本形式
4.2.2 UKF 算法仿真
4.3 本章小结
第5章 粒子滤波在雷达目标跟踪中的应用
5.1 非高斯观测噪声
5.2 基本粒子滤波算法
5.2.1 蒙特卡洛采样(Monte Carlo Sampling)
5.2.2 贝叶斯重要性采样(Bayesian Important Sampling)
5.2.3 顺序重要性采样(Sequential Importance Sampling(SIS))
5.2.4 粒子集的退化与重采样
5.2.5 标准粒子滤波算法描述及其仿真
5.3 初始化粒子的选取方法研究
5.4 优化重要性密度函数粒子滤波算法
5.4.1 最优重要性密度函数的近似
5.4.2 MCMC(Markov Chain Monte Carlo)移动步骤
5.4.3 OIPF 算法描述
5.4.4 仿真
5.5 进化粒子滤波算法(EPF)
5.5.1 进化规划
5.5.2 进化粒子滤波算法
5.5.3 仿真
5.6 基于新的采样方法的一种改进型粒子滤波
5.7 NPF 算法仿真试验
5.7.1 高斯背景非机动目标
5.7.2 非高斯背景不机动目标
5.7.3 高斯机动情况
5.7.4 非高斯机动情况
5.7.5 非高斯机动飞机目标
5.8 NPF 算法实际数据验证
5.9 本章小结
第6章 速度-航向信息辅助数据关联方法研究
6.1 概率数据关联
6.2 联合概率数据关联
6.2.1 模型
6.2.2 关联区的定义和有效矩阵的建立
6.2.3 JPDA 算法的的局限性
6.3 速度信息辅助的JPDA
6.4 仿真分析
6.4.1 交叉目标
6.4.2 近距离平行目标
6.5 交互式多模型概率数据关联算法
6.5.1 交互输入
6.5.2 子模型滤波
6.5.3 模型概率更新
6.5.4 组合输出
6.6 航向信息辅助IMMPDA
6.6.1 IMMPDA 算法缺点
6.6.2 航向信息辅助IMMPDA 算法
6.6.3 本章小结
结 论
参考文献
攻读学位期间发表的学术论文
哈尔滨工业大学博士学位论文原创性声明
哈尔滨工业大学博士学位论文使用授权书
哈尔滨工业大学博士学位涉密论文管理
致 谢
个人简历
哈尔滨工业大学;