基于AR模型的雷達目標跟蹤算法研究.pdf

1、隨著現(xiàn)代航運業(yè)的快速發(fā)展，水上交通形勢日趨嚴峻，船舶安全航行問題日益突出，從而對船舶跟蹤性能提出了更高的要求，特別是機動目標的穩(wěn)定跟蹤更為關鍵。為改善目標跟蹤精確性，提高目標跟蹤性能。本文利用了一種比較新型的AR(Auto-regression)模型，來展開對雷達目標跟蹤算法的研究。
　　首先，本文概括了目標跟蹤的基本原理，分析了文中用到的跟蹤模型。然后研究了傳統(tǒng)的卡爾曼濾波(KF)算法和交互式多模型(IMM)跟蹤算法，并設計了一

2、個快轉彎和慢轉彎的模擬船舶運動場景，通過對基于卡爾曼濾波器的CV、CA單模型跟蹤算法及IMM算法的仿真，驗證了本章的理論分析。
　　其次，提出了基于不同階數(shù)AR模型切換的卡爾曼濾波算法(S-AR-KF)。首先引入了AR模型，將AR模型應用于目標跟蹤中，重點研究了AR模型的構建過程和求解方法。研究表明一階的AR模型可以表示勻速運動，二階的AR模型可以表示勻加速運動。另外，AR模型系數(shù)向量可以通過多余的自由度來消去一部分噪聲，是一個自

3、適應狀態(tài)模型。然后通過非機動場景，仿真分析得出最優(yōu)的AR模型系數(shù)個數(shù)，并將一階的AR-KF算法與傳統(tǒng)的CV-KF算法對比，驗證其優(yōu)越性。最后在機動場景中，將S-AR-KF算法與傳統(tǒng)的IMM算法的進行仿真對比分析，總結出所提算法的優(yōu)勢和局限性。
　　最后，針對復雜多變的機動目標跟蹤問題，本文研究分析了基于AR模型的IMM算法(AR-IMM)。并介紹了AR-IMM算法步驟和模型的參數(shù)設置，然后在模擬船舶機動運動場景中對AR-IMM算法