捷聯(lián)平臺紅外末制導(dǎo)多目標(biāo)跟蹤技術(shù)研究.pdf

1、中段防御中，為了保證攔截器能夠成功碰撞殺傷目標(biāo)，需要借助攔截器紅外導(dǎo)引頭來進(jìn)行精確末制導(dǎo)。多目標(biāo)跟蹤是攔截器紅外末制導(dǎo)信息處理的重要組成部分，是保證攔截成功的關(guān)鍵技術(shù)之一。由于成像距離遠(yuǎn)，來襲目標(biāo)在大部分時間內(nèi)表現(xiàn)為紅外探測圖像中的點(diǎn)目標(biāo)，可用于跟蹤的信息主要為目標(biāo)運(yùn)動信息。攔截器在飛行中存在劇烈的抖動，耦合到紅外圖像中使得目標(biāo)成像點(diǎn)在圖像中劇烈運(yùn)動。因此，實(shí)際中通常采用捷聯(lián)安裝的慣性測量設(shè)備來獲取成像平臺的實(shí)時姿態(tài)信息，以補(bǔ)償平臺抖動

2、造成的目標(biāo)運(yùn)動。論文以捷聯(lián)平臺紅外末制導(dǎo)多目標(biāo)跟蹤技術(shù)為研究對象，針對跟蹤中由于目標(biāo)運(yùn)動機(jī)動性、目標(biāo)數(shù)目的隨機(jī)變化、彈上計(jì)算資源限制、紅外雜波干擾等不利因素造成的問題展開研究，主要包括以下三個方面內(nèi)容：
　　1）攔截作戰(zhàn)中捷聯(lián)平臺對中段目標(biāo)進(jìn)行跟蹤的運(yùn)動和測量建模。針對在高速攔截運(yùn)動中，中段目標(biāo)在紅外圖像中的運(yùn)動會隨著目標(biāo)距離的變化呈現(xiàn)出由弱變強(qiáng)的機(jī)動性的問題，論文提出一種基于參數(shù)自適應(yīng)“當(dāng)前”統(tǒng)計(jì)（Current Statist

3、ical, CS）模型的中段目標(biāo)運(yùn)動建模方法。該方法利用在線信息實(shí)時設(shè)置CS模型的機(jī)動頻率和加速度方差，提高目標(biāo)加速度估計(jì)的準(zhǔn)確性，更有效地描述中段目標(biāo)運(yùn)動的特征。針對捷聯(lián)平臺姿態(tài)運(yùn)動慣性解耦時測量模型中存在的復(fù)雜性問題，論文在對成像測量誤差、慣性測量誤差和解耦誤差進(jìn)行對比分析的基礎(chǔ)上，提出將三種誤差進(jìn)行統(tǒng)一建模，從而簡化測量模型的方法。實(shí)驗(yàn)表明，利用論文提出的目標(biāo)運(yùn)動模型和傳感器測量模型可以準(zhǔn)確地對中段目標(biāo)進(jìn)行跟蹤。
　　2）中

4、段動態(tài)場景中的快速多目標(biāo)跟蹤。在目標(biāo)數(shù)目變化的動態(tài)場景條件下，傳統(tǒng)基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤方法準(zhǔn)確度和計(jì)算效率都急劇下降，無法滿足捷聯(lián)平臺紅外末制導(dǎo)的要求。近年來出現(xiàn)的有限集統(tǒng)計(jì)學(xué)理論（Finite Set Statistics, FISST），具有優(yōu)于傳統(tǒng)方法的效率和準(zhǔn)確度，可以用于中段動態(tài)場景中的快速多目標(biāo)跟蹤。在對 FISST理論進(jìn)行研究的基礎(chǔ)上，論文首先基于線性復(fù)雜度勢分布概率假設(shè)密度（Linear Complexity-Car

5、dinalized Probability Hypothesis Density, LC-CPHD）濾波的高斯混合（Gaussian Mixture, GM）實(shí)現(xiàn)，即GM-LC-CPHD濾波，來構(gòu)建紅外末制導(dǎo)多目標(biāo)跟蹤的基本框架。針對常規(guī)GM-LC-CPHD濾波的新生目標(biāo)模型需要對新出現(xiàn)目標(biāo)進(jìn)行全局搜索，導(dǎo)致算法計(jì)算效率低下的問題，論文提出一種利用測量數(shù)據(jù)來自適應(yīng)設(shè)置新生目標(biāo)模型的改進(jìn)方法。該方法利用M/N測試算法累積多幀紅外圖像數(shù)據(jù)的

6、信息，自動捕獲新生目標(biāo)的初始狀態(tài)，從而有效地縮小搜索的范圍，提高算法的計(jì)算效率。針對常規(guī)GM-LC-CPHD濾波的結(jié)果未包含目標(biāo)身份信息，不能輸出每個目標(biāo)的連續(xù)軌跡至后續(xù)目標(biāo)識別模塊的問題，論文引入標(biāo)簽關(guān)聯(lián)方法來實(shí)現(xiàn)GM-LC-CPHD濾波的軌跡管理，并提出一種改進(jìn)的高斯元素修剪與合并方法，從而穩(wěn)定快速地輸出每個目標(biāo)單獨(dú)的連續(xù)軌跡。實(shí)驗(yàn)表明，利用論文提出的方法可以準(zhǔn)確而高效地完成中段動態(tài)場景的多目標(biāo)跟蹤。
　　3）密集紅外雜波干擾

7、條件下的穩(wěn)定中段多目標(biāo)跟蹤。針對密集紅外雜波導(dǎo)致算法極容易出現(xiàn)錯誤跟蹤的問題，論文提出一種引入幅度信息（ Amplitude Information, AI）來抑制雜波干擾的GM-AI-LC-CPHD濾波多目標(biāo)跟蹤方法。該方法首先利用高斯分布模型來對中段紅外點(diǎn)目標(biāo)的幅度進(jìn)行建模，并在信噪比（Signal-to-Noise Ratio, SNR）未知的條件下，通過最近的L幀數(shù)據(jù)對目標(biāo)的幅度和檢測概率進(jìn)行估計(jì)；然后推導(dǎo)了引入幅度信息的GM-