基于Renyi信息增量的異質(zhì)多傳感器協(xié)同跟蹤技術(shù)研究.pdf

1、在軍事、交通、工業(yè)等諸多領(lǐng)域，多傳感器協(xié)同跟蹤技術(shù)的應(yīng)用十分廣泛。多傳感器協(xié)同跟蹤的目標(biāo)是最優(yōu)化多傳感器系統(tǒng)的整體跟蹤性能。其技術(shù)基礎(chǔ)為傳感器管理技術(shù)，通過建立某種傳感器管理模型，在各觀測時刻實時地為各目標(biāo)分配最優(yōu)的傳感器組合，實現(xiàn)對監(jiān)視范圍內(nèi)各目標(biāo)的跟蹤。與同質(zhì)傳感器相比，異質(zhì)傳感器在應(yīng)用場景和特性上能優(yōu)勢互補(bǔ)，可以提高跟蹤的性能。本文的主要工作如下:
　　首先，查閱了大量相關(guān)文獻(xiàn)，從三個方面綜述了目前異質(zhì)多傳感器協(xié)同跟蹤問題的

2、研究現(xiàn)狀。
　　其次，非線性濾波問題和機(jī)動目標(biāo)協(xié)同跟蹤的精度和穩(wěn)定性緊密相關(guān)。在其相關(guān)研究中， DMCKF算法采用協(xié)方差矩陣的對角化變換，取代標(biāo)準(zhǔn)CKF中的Cholesky分解，獲得算術(shù)平方根矩陣，提高了計算的準(zhǔn)確度。但是DMCKF和標(biāo)準(zhǔn)CKF在濾波過程中其協(xié)方差矩陣有時會失去正定性，導(dǎo)致濾波中斷?；谇蠼飧饔^測時刻協(xié)方差矩陣的最鄰近半正定矩陣，提出了一種改進(jìn)的DMCKF算法，確保了濾波過程中觀測值容積點的傳播不被中斷，提升了DM

3、CKF算法的穩(wěn)定性。同時，基于改進(jìn)DMCKF算法，仿真分析了在集中式量測融合和分布式狀態(tài)兩種融合架構(gòu)下的異質(zhì)多傳感器數(shù)據(jù)融合算法的性能和適用的情形。
　　然后，針對異質(zhì)多傳感器管理的關(guān)鍵問題:異質(zhì)多傳感器-多目標(biāo)協(xié)同分配問題，提出了一種基于Renyi信息增量的異質(zhì)多傳感器管理算法。該算法通過改進(jìn)的DMCKF的濾波協(xié)方差計算Renyi信息增量，基于求得的Renyi信息增量構(gòu)造異質(zhì)多傳感器管理模型，在各觀測時刻對各機(jī)動目標(biāo)進(jìn)行異質(zhì)傳感

4、器組合的實時分配。
　　接著，結(jié)合改進(jìn)的DMCKF算法、基于改進(jìn)DMCKF算法的異質(zhì)多傳感器數(shù)據(jù)融合算法和異質(zhì)多傳感器管理算法，提出了一種異質(zhì)多傳感器多機(jī)動目標(biāo)的協(xié)同跟蹤方法。根據(jù)異質(zhì)多傳感器的資源分配結(jié)果，采用基于改進(jìn)的DMCKF的異質(zhì)多傳感器數(shù)據(jù)融合算法獲得融合觀測值，并在交互式多模型算法(IMM)框架下采用改進(jìn)的DMCKF對多機(jī)動目標(biāo)進(jìn)行跟蹤。對標(biāo)準(zhǔn)CKF和UKF算法樣做了對協(xié)方差矩陣求最鄰近半正定矩陣處理的改進(jìn)，仿真驗證了