复杂环境下雷达目标跟踪方法研究

　　雷达是现代战争中不可或缺的电子设备，雷达目标跟踪是雷达数据处理中至 关重要的一个组成部分，在军民两用领域中都具着广泛的应用。但雷达在实际工 作中所处的物理环境十分恶劣，接收到的量测数据中存在大量杂波或虚警。此外， 有时也会出现目标数量不确定的情形，无疑加大了目标跟踪的难度，尤其以天波 超视距雷达更为复杂。因此，迫切需要研究复杂环境下雷达目标跟踪方法。本文 的研究内容就是在上述课题背景下提出来的，全文的主要工作总结如下：

　　1.研究了雷达目标状态估计算法。研究了线性高斯系统、非线性高斯系统和 非线性非高斯系统下的滤波技术，并分析了各种滤波技术的适用场景及优缺点。

　　2.在非线性高斯系统中，为了进一步提高容积卡尔曼滤波的估计精度，基于 球面单纯形准则和 Gauss-Laguerre 积分准则，提出了一种改进的容积卡尔曼滤波 算法（SSGQKF）。理论分析和仿真结果表明，改进的算法在非线性程度较高的场 合下，能够在精度和计算量中有个很好的折衷。

　　3.在非线性非高斯系统中，针对标准粒子滤波固有的粒子退化和粒子贫化现 象，提出了相应的改进算法。首先将数值稳定性好的二阶中心差分滤波算法作为 重要性密度函数，然后利用差分演化优化重采样过程。研究结果表明，改进的算 法能有效克服粒子退化和贫化问题，提高了粒子利用率和状态估计精度。

　　4.研究了杂波环境下的基于数据关联的目标跟踪算法，主要包括最近邻互联、 概率数据互联、联合概率数据互联、交互多模型概率数据互联。考虑了目标的机 动性，在传统的交互多模型概率数据互联算法的基础上提出了一种改进算法。即 引入固定延迟技术和量测幅值信息的交互多模型概率数据互联算法，并将改进的 方法分别与传统的交互多模型数据互联算法进行仿真分析。

　　5.针对跟踪场景中目标数量不定和杂波密集等复杂环境下的多目标跟踪问 题，研究了基于随机有限集的多目标跟踪方法，并将差分演化优化的二阶中心差 分算法引入到粒子概率假设密度滤波（PHD）中。仿真结果表明，改进的算法对 复杂环境下的多目标跟踪问题有较好的效果。

　　6.超视距雷达在地理坐标下跟踪目标时目标动态方程为线性的，而量测方程 是非线性的。针对超视距雷达目标跟踪的这一特点，将两步滤波算法和均方根容 积卡曼滤波算法相结合，并应用到超视距雷达目标跟踪系统中。改进的算法避免 了复杂的求导运算，滤波精度也更高。其次，还研究了基于概率数据互联和随机 有限集下的多径目标跟踪问题，并将球面单纯形 Gauss-Laguerre 积分准则融入到 高斯混合多径 PHD 中，最后通过仿真实验验证了算法的有效性。