多傳感器編隊目標跟蹤技術（第2版）

目 錄
第1章 緒論 1
1.1 研究背景 1
1.2 國內(nèi)外研究現(xiàn)狀 3
1.2.1 航跡起始 3
1.2.2 航跡維持 4
1.2.3 機動跟蹤 4
1.2.4 多源航跡融合 4
1.3 多傳感器編隊目標跟蹤技術中有待解決的一些關鍵問題 6
1.3.1 復雜環(huán)境下的編隊目標航跡起始技術 6
1.3.2 復雜環(huán)境下的集中式多傳感器編隊目標跟蹤技術 8
1.3.3 集中式多傳感器機動編隊目標跟蹤技術 8
1.3.4 系統(tǒng)誤差下的編隊目標航跡關聯(lián)技術 9
1.4 本書的主要內(nèi)容及安排 11
第2章 編隊目標航跡起始算法 13
2.1 引言 13
2.2 基于相對位置矢量的編隊目標灰色航跡起始算法 13
2.2.1 基于循環(huán)閾值模型的編隊預分割 15
2.2.2 基于編隊中心點的預互聯(lián) 16
2.2.3 基于相對位置矢量的灰色關聯(lián)模型 17
2.2.4 編隊內(nèi)目標航跡的確認 23
2.2.5 編隊目標狀態(tài)矩陣的建立 24
2.2.6 仿真比較與分析 24
2.2.7 討論 39
2.3 基于相位相關的部分可辨編隊航跡起始算法 39
2.3.1 問題描述 40
2.3.2 基于編隊中心點的預互聯(lián) 41
2.3.3 編隊成員數(shù)據(jù)空間描述 42
2.3.4 編隊結構對準?旋轉角估計 44
2.3.5 編隊結構對準?平移量估計 45
2.3.6 改進的最近鄰精細關聯(lián) 46
2.3.7 精細關聯(lián)算法流程 49
2.3.8 仿真比較與分析 50
2.4 集中式多傳感器編隊目標灰色航跡起始算法 61
2.4.1 多傳感器編隊目標航跡起始框架 61
2.4.2 多傳感器預互聯(lián)編隊內(nèi)雜波的剔除 62
2.4.3 多傳感器編隊內(nèi)量測合并模型 63
2.4.4 航跡得分模型的建立 64
2.5 基于運動狀態(tài)的集中式多傳感器編隊目標航跡起始算法 66
2.5.1 同狀態(tài)航跡子編隊獲取模型 67
2.5.2 多傳感器同狀態(tài)編隊互聯(lián)模型 70
2.5.3 編隊內(nèi)航跡精確關聯(lián)合并模型 71
2.6 仿真比較與分析 72
2.6.1 仿真環(huán)境 72
2.6.2 仿真結果與分析 73
2.7 本章小結 80
第3章 復雜環(huán)境下的集中式多傳感器編隊目標跟蹤算法 82
3.1 引言 82
3.2 系統(tǒng)描述 82
3.3 云雨雜波剔除模型和帶狀干擾剔除模型 83
3.3.1 云雨雜波剔除模型 84
3.3.2 帶狀干擾剔除模型 86
3.3.3 驗證分析 86
3.4 基于模板匹配的集中式多傳感器編隊目標跟蹤算法 89
3.4.1 基于編隊整體的預互聯(lián) 89
3.4.2 模板匹配模型的建立 90
3.4.3 編隊內(nèi)航跡的狀態(tài)更新 94
3.4.4 討論 94
3.5 基于形狀方位描述符的集中式多傳感器編隊目標粒子濾波算法 95
3.5.1 編隊目標形狀矢量的建立 95
3.5.2 相似度模型的建立 97
3.5.3 冗余圖像的剔除 99
3.5.4 基于粒子濾波的狀態(tài)更新 100
3.6 仿真比較與分析 100
3.6.1 仿真環(huán)境 100
3.6.2 仿真結果與分析 101
3.7 本章小結 104
第4章 部分可辨條件下的穩(wěn)態(tài)編隊跟蹤算法 106
4.1 引言 106
4.2 基于序貫航跡擬合的穩(wěn)態(tài)編隊精細跟蹤算法 107
4.2.1 問題描述 107
4.2.2 最小二乘法簡述及外推方法 108
4.2.3 狀態(tài)更新與協(xié)方差更新 112
4.2.4 加權系數(shù)的確定 115
4.2.5 算法流程框架 116
4.2.6 時間復雜度分析 117
4.3 基于ICP的穩(wěn)態(tài)部分可辨編隊精細跟蹤算法 118
4.3.1 ICP的基本思想 118
4.3.2 點航映射關聯(lián) 119
4.3.3 旋轉與平移參數(shù)估計 121
4.3.4 關聯(lián)算法流程 124
4.3.5 漏關聯(lián)量測填補 125
4.3.6 基于多模型的濾波更新 126
4.4 仿真比較與分析 127
4.4.1 仿真環(huán)境 128
4.4.2 仿真結果與分析 129
4.5 本章小結 135
第5章 部分可辨條件下的機動編隊跟蹤算法 136
5.1 引言 136
5.2 基于復數(shù)域拓撲描述的編隊分裂機動跟蹤算法 137
5.2.1 編隊分裂機動模式分析 137
5.2.2 編隊分裂機動建模與主要步驟 139
5.2.3 單目標離群的判決滑窗內(nèi)航跡重建 141
5.2.4 編隊整體分裂判決的滑窗內(nèi)航跡重建 146
5.2.5 仿真比較與分析 149
5.3 基于拓撲模糊對準的編隊合并機動跟蹤算法 158
5.3.1 編隊合并機動模式分析 158
5.3.2 編隊合并機動建模與主要步驟 161
5.3.3 模糊因素集的建立 164
5.3.4 權重的分配 167
5.3.5 對準關聯(lián)準則 167
5.3.6 多義性處理 169
5.3.7 仿真比較與分析 170
5.4 本章小結 178
第6章 集中式多傳感器機動編隊目標跟蹤算法 180
6.1 引言 180
6.2 典型機動編隊目標跟蹤模型的建立 180
6.2.1 編隊整體機動跟蹤模型的建立 180
6.2.2 編隊分裂跟蹤模型的建立 184
6.2.3 編隊合并跟蹤模型的建立 186
6.2.4 編隊分散跟蹤模型的建立 188
6.3 變結構JPDA機動編隊目標跟蹤算法 191
6.3.1 事件的定義 191
6.3.2 編隊確認矩陣的建立 192
6.3.3 編隊互聯(lián)矩陣的建立 193
6.3.4 編隊確認矩陣的拆分 195
6.3.5 概率的計算 196
6.3.6 編隊內(nèi)航跡的狀態(tài)更新 200
6.4 擴展廣義S-D分配機動編隊目標跟蹤算法 200
6.4.1 基本模型的建立 201
6.4.2 編隊量測的劃分 202
6.4.3 S-D分配問題的構造 205
6.4.4 廣義S-D分配問題的構造 206
6.4.5 編隊內(nèi)航跡的狀態(tài)更新 206
6.5 仿真比較與分析 207
6.5.1 仿真環(huán)境 207
6.5.2 仿真結果 209
6.5.3 仿真分析 211
6.6 本章小結 213
第7章 系統(tǒng)誤差下的編隊目標航跡關聯(lián)算法 214
7.1 引言 214
7.2 系統(tǒng)誤差下基于雙重模糊拓撲的編隊目標航跡關聯(lián)算法 215
7.2.1 基于循環(huán)閾值模型的編隊航跡識別 215
7.2.2 第一重模糊拓撲關聯(lián)模型 216
7.2.3 第二重模糊拓撲關聯(lián)模型 221
7.3 系統(tǒng)誤差下基于誤差補償?shù)木庩犇繕撕桔E關聯(lián)算法 223
7.3.1 編隊航跡狀態(tài)識別模型 223
7.3.2 編隊航跡系統(tǒng)誤差估計模型 225
7.3.3 誤差補償和編隊內(nèi)航跡的精確關聯(lián) 228
7.3.4 討論 228
7.4 基于多源信息互補的編隊航跡關聯(lián)算法 229
7.4.1 部分可辨條件下的編隊航跡關聯(lián)問題分析 229
7.4.2 時間對準 231
7.4.3 航跡數(shù)據(jù)空間的描述 232
7.4.4 基于Fourier變換的旋轉角及平移量估計 233
7.4.5 編隊航跡關聯(lián) 235
7.4.6 基于編隊整體運動模型的斷續(xù)航跡關聯(lián) 241
7.5 仿真比較與分析 243
7.5.1 仿真環(huán)境 243
7.5.2 仿真結果與分析 244
7.6 本章小結 247
第8章 結論及展望 249
8.1 研究結論 249
8.2 研究展望 256
附錄A 式（2-17）中閾值參數(shù) 的推導 259
附錄B 式（7-19）的推導 262
參考文獻 266