此文档下载后即可编辑 随机数字信号处理期末大作业（报告） 基于卡尔曼滤波器的雷达目标跟踪 Radar target tracking based on Kalman filter 学院（系）：创新实验学院 专业：信息与通信工程 学生姓名：李润顺 学号：21424011 任课教师：殷福亮 完成日期：2015年7月14日
大连理工大学Dalian University of Technology
摘要 雷达目标跟踪环节的性能直接决定雷达系统的安全效能。由于卡尔曼滤波器在状态估计与预测方面具有强大的性能，因此在目标跟踪领域有广泛应用，同时也是是现阶段雷达中最常用的跟踪算法。本文先介绍了雷达目标跟踪的应用背景以及研究现状，然后在介绍卡尔曼滤波算法和分析卡尔曼滤波器性能的基础上，将其应用于雷达目标跟踪，雷达在搜索到目标并记录目标的位置数据，对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。最后对在一个假设的情境给出基于卡尔曼滤波的雷达目标跟踪算法对单个目标航迹进行预测的MATLAB仿真，对实验的效果进行评估，分析预测误差。 关键词：卡尔曼滤波器；雷达目标跟踪；航迹预测；预测误差；MATLAB 仿真 - 1 -
1 引言 1.1 研究背景及意义 雷达目标跟踪是整个雷达系统中一个非常关键的环节。跟踪的任务是通过相关和滤波处理建立目标的运动轨迹。雷达系统根据在建立目标轨迹过程中对目标运动状态所作的估计和预测，评估船舶航行的安全态势和机动试操船的安全效果。因此，雷达跟踪环节工作性能的优劣直接影响到雷达系统的安全效能[1]。 鉴于目标跟踪在增进雷达效能中的重要作用，各国在军用和民用等领域中一直非常重视发展这一雷达技术。机动目标跟踪理论有了很大的发展，尤其是在跟踪算法的研究上，理论更是日趋成熟。在跟踪算法中，主要有线性自回归滤波、两点外推滤波、维纳滤波、加权最小二乘滤波、β α-滤波和卡尔曼滤波，其中卡尔曼滤波算法在目标跟踪理论中占据了主导地位。
word 完美格式
智能雷达光电探测监视系统单点基本方案
一、 系统概述
根据监控需求： 岸基对海 3~10 公里范围内主要大小批量目标； 主动雷达光电探测和识别； 多目标闯入和离去自动报警智能职守； 系统接入指挥中心进行远程监控管理； 目标海图显示管理； 系统能够自动发现可疑目标、跟踪锁定侵入目标、根据设定条件进行驱 散、同时自动生成事件报告记录，可以实现事故发生后的事件追溯，协助事故 调查。 1. 项目建设主要目的 ? 为监控区域安全提供综合性的早期预警信息； ? 通过综合化监测提高处置和应对紧急突发事件的指挥能力。 2. 基本需求分析： 需配置全自动、全量程具备远距离小目标智能雷达探测监视和光电识别 系统，系统具备多目标自动持续稳定跟踪、多种智能报警功能、支持雷达视 频实时存储、支持留查取证的雷达视频联动回放功能等；同时后期系统需具
精心整理 学习帮手
word 完美格式
备根据用户需求的功能完善二次开发能力。同时支持后续相关功能、扩点组 网应用需求。
根据需求和建设主要目的，选型国际同类技术先进水平，拥有相关技术 自主知识产权，具备二次技术深化开发的北京海兰信数据科技股份有限公司 （2001 年成立，2010 年国内创业板上市，股票代码：300065，致力于航海 智能化与海洋防务/信息化的国内唯一上市企业）的智能监视雷达光电系统。 该系统在国内外有众多海事相关成熟应用案例，熟悉国内海事、海监、海 警、渔政公务执法及救捞业务需求特点等。同时，该系统近期成功中标国内 近年来相关领域多套（20 套）雷达光电组网项目，充分说明该系统的技术领 先及成熟应用的市场广泛接受度。
3. 项目建成后的主要特点 ? 全天候、全覆盖、全自动的立体化监控。该系统具备对多传感器信息 融合的能力，确保对探测范围内雷达信息源、光电、AIS、GPS 等设备信号源 进行有机的融合和整合。 ? 系统具备了预警、报警、实时录取回放的综合功能。任何目标物进入 雷达视距时，系统即开始进行监测。目标物触碰警报规则后，指挥室获得报 警信号，同时联动设备综合光电锁定警报目标，以便驱离。整个过程系统实 时记录、方便随时调用回放。
精心整理 学习帮手
基于扩展卡尔曼滤波的雷达目标在线跟踪轨迹的算法摘要：目标跟踪是指根据传感器（如雷达等）所获得的对目标的测量信息，连续地对目标的运动状态进行估计，进而获取目标的运动态势及意图。目标跟踪理论在军、民用领域都有重要的应用价值。在军用领域，目标跟踪是情报搜集、战场监视、火力控制、态势估计和威胁评估的基础；在民用领域，目标跟踪被广泛应用于空中交通管制，目标导航以及机器人的道路规划等行业。本文利用差分方程模型计算目标点的速度与加速度，基于卡尔曼滤波算法建立扩展型卡尔曼滤波算法的目标跟踪模型。 0 引言 目前，对机动目标的跟踪滤波与预测算法主要有线性自回归滤波、两点外推滤波、维纳滤波、加权最小二乘滤波、与滤波、简化的卡尔曼滤波和卡尔曼滤波。线性自回归滤波完全忽视了状态噪声对估值的影响；两点外推滤波利用最后一个数据点和最后两个数据点分别确定目标位置与目标速度，因此，之前所测的数据点并不能起到预测作用；维纳滤波不适合机动目标的瞬间变化过程，从而在一定程度上限制了它的应用范围；与滤波是两种简单并且易于工程实现的常增益滤波方法，最大优点在于其增益矩阵可以离线计算，而且在每次滤波循环中可节约大约70%的计算量；卡尔曼滤波与预测执行的是均方根误差最小准则，并且通过协方差矩阵可以很方便的对估计精度进行度量，目前应用较多而且误差相对较小的目标跟踪算法是卡尔曼滤波算法。但基本的卡尔曼滤波算法在跟踪机动目标时存在不足：当系
统达到稳态时，其预测协方差很小，使得滤波器的增益也趋于极小值，此时若目标发生机动，系统残差增大，预测的协方差和滤波器的增益不能随残差随时改变，系统将不能保证对突变状态的跟踪能力。 1用扩展卡尔曼滤波算法预测机动目标轨迹 首先由目标初始准确的状态对下一状态进行预测，得到下一状态的预测值，同时由计算所得的对应于初始状态的协方差得到下一状态的协方差预测值；接着由雷达观测误差、状态向量及所得协方差预测值可以得到卡尔曼增益值，进而最终得到下一状态的最优估算值，同时更新对应的协方差。至此，第一轮目标轨迹预测已完成，同理，进行下一轮的目标轨迹预测。模型的具体方程如下：本时刻系统的状态向量由上一时刻系统的最优预测状态向量求得，初始状态需要知道目标的状态向量。这里通过差分方程数学模型计算出目标在三个坐标上速度变化情况： 其中、、表示所测数据第i时刻速度沿着方向三个的速度分量值。 然后使用卡尔曼滤波预测目标的运动轨迹，假定离散时间控制系统状态方程和观测方程为： 式中是k时刻的非线性实值状态向量，是k时刻的系统量测向量，表示系统状态噪声，表示系统测量噪声，A和B为状态向量，H为非线性函数。 由公式4和公式5构成的系统状态方程和测量方程均为线性方程，其过程噪声都为高斯白噪声，可用标准卡尔曼滤波算法进行滤波。
多目标跟踪分布式MIMO 雷达收发站联合选择优化算法 鲁彦希* 何子述 程子扬 刘爽利 (电子科技大学 成都 611731) 摘 要：在分布式MIMO 雷达网络场景下，由于MIMO 雷达网络的时间能量资源限制，在同一时间下对某一目标，只允许采用有限数量的发射站和接收站来对其进行监视跟踪。因此需要寻求一种合理有效的方法在满足雷达网络发射站接收站数量约束的前提下尽可能高的提高对目标的跟踪性能。该文利用后验克拉美罗下界(PCRLB)作为性能指标，优化多目标跟踪情况下性能最差的目标构建为一个布尔规划问题(BP)。在将原问题松弛为半正定规划问题后(SDP)利用分块坐标下降迭代法取得联合选择的近似最优解。通过仿真实验，验证了该文提出的方法能够根据目标场景动态的规划选择所需的发射站和接收站。相比固定非动态选择拥有更好的性能。并且在拥有更小计算量的前提下获得了近似于穷举搜索的性能。 关键词：雷达网络资源管理；传感器管理；分布式MIMO 雷达；目标跟踪 中图分类号：TN955+.1 文献标识码：A 文章编号：2095-283X(2017)01-0073-08 DOI: 10.12000/JR16106 引用格式：鲁彦希, 何子述, 程子扬, 等. 多目标跟踪分布式MIMO 雷达收发站联合选择优化算法[J]. 雷达学报,2017, 6(1): 73–80. DOI: 10.12000/JR16106. Reference format: Lu Yanxi, He Zishu, Cheng Ziyang, et al .. Joint selection of transmitters and receivers in distributed multi-input multi-output radar network for multiple targets tracking[J]. Journal of Radars , 2017,6(1): 73–80. DOI: 10.12000/JR16106.Joint Selection of Transmitters and Receivers in Distributed Multi-input Multi-output Radar Network for Multiple Targets Tracking Lu Yanxi He Zishu Cheng Ziyang Liu Shuangli (University of Electronic Science and Technology of China , Chengdu 611731, China ) Abstract : Only a subset of transmitters and receivers in a distributed Multi-Input Multi-Output (MIMO) radar network is allowed to actively track a target at a particular instance due to the limited time and energy resource of a MIMO radar network. It is therefore desirable to obtain an efficient method to overcome the resource constraints while optimizing the tracking performance. In this study, posterior Cramer-Rao lower bound is used as the performance metric and the selection problem is formulated as a Boolean programming problem aiming at optimizing the worst tracking performance of multiple targets. It is later relaxed to a semidefinite programming and solved by the block coordinate descend method. Numerical results show that proposed method superior to the fixed selection method. In addition, with less computation complexity, the proposed method obtains nearly equivalent performance compared with exhaustive search method. Key words : Radar network resource management; Sensor selection; Distributed Multi-Input Multi-Output (MIMO) radar; Target tracking 1 引言近年来，相比传统体制的雷达，MIMO 雷达以 其在检测，跟踪和参数估计更优的性能获得了大量关注。MIMO 雷达分为共置天线[1]和分布式两种体制[2]。本文主要研究的是分布式MIMO 雷达多目标跟踪背景下的发射站，接收站优化选择。分布式MIMO 雷达属于无线传感网络的一种特殊形式。在传感器网络中，由于频谱资源，通信资源，能量资源的限制，需要通过对传感器资源进行合理的优化 收稿日期：2016-09-15；改回日期：2017-01-23；网络出版：2017-03-06 *通信作者： 鲁彦希 Yanxi.Lu@https://www.doczj.com/doc/843765088.html, 基金项目：国家自然科学基金(61671139) Foundation Item: The National Natural Science Foundation of China (61671139)第6卷第1期 雷 达 学 报Vol. 6No. 12017年2月Journal of Radars Feb. 2017 万方数据
微波交通检测器应用方案——T-11 V5 多目标追踪雷达 江苏志德华通信息技术有限公司 编辑者：高志鹏
1．Tracteh T-11 V5多目标追踪微波车辆检测器简介 1．1功能概述 ●Tractech T-11 V5多目标追踪微波车辆检测器（以下简称T-11 V5），是利用二维主动扫描式阵列雷达 微波检测技术，对路面发射微波，以每秒20次的扫描频率可靠地检测路上每一车道的目标，准确区分机动力、非机动力、行人等，可同时识别及跟踪最多64个目标对象。 ●可同时测量每车道的流量、平均速度、占有率、85%位速率、车头时距、车间距等交通数据，以及排队 长度、逆行、超速、ETA等报警信息，并可准确地测量区域内每个目标的位置坐标（X,Y）与速度（Vx, Vy）。 ●能进行大区域检测，沿来车方向正常检测区域至少可达160米，能同时检测至少6个车道，其中中间的 4个车道每条车道可以有4个精确的检测点，4条车道就可以配置16个精确的检测点。每个检测点就是一条线，这条线与路交叉成90度夹角，也就是垂直于路的方向。这些垂直于路的方向的检测线，就可以作为雷达的检测点，可以非常精确检测车辆接近并经过这些检测点时的状态 ●自动检测交通流的运行方向，进行车辆逆行检测统计。 ●采用前向安装的方式，可方便地利用既有杆件：信号灯杆、电警杆横臂、任一标志标牌、路灯杆上，具 有安装维护方便，不破坏路面，不影响交通，技术先进，成本低等特点。 ●可在全天候环境下工作，外壳达到IP67防护标准，并具有自校准以及故障自诊断功能。 ●可视化的图形化操作界面能实时显示每个目标在检测区域内被跟踪情况以及车辆即时速度、车辆长度等 实时信息。 1．2应用场合 T-11 V5 是一款革命性的通用交通管理雷达，可以用在交通管理领域的很多方面： 公路和交通管理系统
多目标跟踪雷达 GE GROUP system office room 【GEIHUA16H-GEIHUA GEIHUA8Q8-
多目标跟踪雷达 路口存在检测方案 采用多维式扫描雷达天线和先进DSP跟踪算法，对路口单方面向最少四车道、最多八车道的车辆进行精准的存在检测或感应检测，同时还能提供精准的单车及时测度、车辆位置信息以及停止线的车流量、平均速度和占有率等交通刘统计数据。路段多功能检测，能对横向四车道八车道、纵向160米范围的大视域内车辆进行实时检测。跟踪区域内所有车辆的行为轨迹、真实量化还原路况状态，提供精准的单车即时时速度、车辆位置、车型信息，同时提供精准的断面的车流量平均车速和占有率等交通流统计数据，以及对区域内多种异常事件及时报警，为交通诱导系统和交通事件检测系统提供数据支撑，
随着城市车辆快速增长，路口的管理压力越来越大，配套的信号控制系统、交通诱导、交通仿真系统等对数据的要求也越来越高。而路口车辆存在信息是实现高效、稳定信号控制的基本要求，也是现阶段国内外主流交通信号控制系统应用最为成熟的数据模型之一。因此，交叉路口的车辆存在信息就显的尤为重要。 城市路口车辆存在检测系统通过建立覆盖路口特定位置的采集点位，配备前端感知检测，实时吧存在信息传送之信号机控制及系统，对路口信号配时，优化提供支撑。同时，公安交通管理部门可以根据车流量历史统计数据、分析路口车辆运行规律，针对性制定控制管理策略。 需求说明： 城市路口存在检测系统，主要完成路口停车线、或特定断面的车辆存在信息采集，可以及时掌握路口特定位置车流量状态，为信号机控制、交通诱导等系统提供数据支撑。 1、在城市重要路口设立和完善的存在检测点、检测各方的车流量信息。 2、建立城市的数据传输、应用接口模块。实现无缝对接信号机控制系统。 3、用户可以通过实时数据库、以及客户端管理进行查看每个路口车辆存在信息、车流量、占有率等，可以连续24时实时检测。 4、具备数据存储功能。可以作为路口管理的数据支撑。 系统说明：
18.5 目标捕获和距离跟踪 距离跟踪就是连续测量从发射射频脉冲到目标回波信号返回之间的延时的过程。距离测量是雷达最精确的位置坐标测量。其典型数据是在测量几百英里距离时精密到几码以内。通常距离跟踪是从其他目标中鉴别出所需目标的主要方法，通过距离波门（即时间选通）从误差检波器输出中消除其他目标的回波（虽然也有用速度鉴别和角度鉴别的）。距离跟踪电路也可用来捕获所希望的目标。距离跟踪不仅必须测量脉冲从雷达到目标的往返行程时间，而且必须识别出反射信号是一目标而不是噪声，并且保存目标的距离随时间变化的历程。 这里的讨论适用于典型的脉冲跟踪雷达。距离测量也可以用使用调频连续波的连续波雷达来完成，这种调频连续波通常是一种线性调频波。目标距离由回波信号和发射信号之间的频率差异决定。考虑到多普勒效应的调频连续波系统的性能见参考资料1。 捕获 距离跟踪的第一个作用是捕获所需的目标。虽然这不是跟踪工作，但在典型的雷达里这是实现距离跟踪或角跟踪之前必需的第一步。对于窄波束跟踪雷达而言，为使天线波束指向目标的方向，必须具备有关目标角位置的某些信息。这个信息叫做引导数据，可以由搜索雷达或其他来源提供。引导数据可以足够精确地把窄波束指向目标或者可以要求跟踪器扫描一个较大的不确定区域。雷达距离跟踪的优点是能看到从近距离一直到雷达的最大距离上的所有目标。通常把这个距离分成小段，其中各段可以同时检验是否有目标存在。当需要波束扫描时，距离跟踪器可在短时间里（如0.1s）检验各段情况，即可作出关于目标是否存在的判断。如果没有目标存在，就让波束移向新的位置。这个过程对机械式跟踪而言是完全连续的，因为机械式跟踪移动波束相当慢，因此使得在对各段距离进行检验的短时间内目标仍然留在波束宽度之内。 与搜索雷达一样，目标捕获要考虑实现给定的检测概率和虚警概率所需的信噪比门限和积累时间[1]。然而，与搜索雷达相比，目标捕获可使用较高的虚警概率，这是因为操纵员知道目标是存在的，不存在在等待目标时由于虚警而使操纵员疲劳。最佳虚警概率的选择是以电路的性能为基础的，此电路可观察各距离间隔以判断哪一个间隔中有目标回波。 其典型的技术是使门限电压足够高，以防止大多数噪声尖峰超过门限，可是又要低得足以让弱信号通过。在各个发射脉冲之后即可观察所检验的距离间隔是否有信号超过了门限。积累时间允许雷达在判决是否有目标存在之前进行几次这种观察。噪声和目标之间的主要区别在于超过门限的噪声尖峰是随机的，但如果有目标存在，则当它超过门限时就比较有规律。一种典型的系统就可简单地计算在积累时间内超过门限的次数，并在超过的次数大于雷达发射次数的一半时，就指出是否有目标出现。若雷达脉冲重复频率是300 Hz，积累时间是0.1s，则在有一个强而稳定的目标时，雷达就能观察到30次超过门限。由于从弱目标来的回波加上噪声不一定总是超过门限，所以可以规定一个界限，如15次，在积累时间里，必须超过这一界限才判定有目标出现。对于非闪烁目标，预期的性能为：在信噪比为2.5dB时，发现概率是90%，虚警率是10-5。AN/FPS—16和AN/FPQ—6测量雷达均使用这些检测参数，每次捕获可使用10个邻接的波门，每个波门宽为1000yd。这10个波门覆盖了5n mile的距离间隔。
1 绪论 1.1 课题背景及目的 目标跟踪问题实际上就是目标状态的跟踪滤波问题，即根据传感器已获得的目标量测数据对目标状态进行精确的估计[1]。它是军事和民用领域中一个基本问题，可靠而精确地跟踪目标是目标跟踪系统设计的主要目的。在国防领域，目标跟踪可用于反弹道导弹的防御、空防预警、战场区域监视、精确制导和低空突防等。在民用领域，则用于航空和地面交通管制、机器人的道路规划和障碍躲避、无人驾驶车的跟踪行驶、电子医学等。作为科学技术发展的一个方面，目标跟踪问题可以追溯到第二次世界大战的前夕，即1937年世界上出现第一部跟踪雷达站SCR-28的时候。之后，许多科学家和工程师一直努力于该项课题的研究，各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日趋完善。 运动目标的机动会使跟踪系统的性能恶化，对机动目标进行跟踪是人们多年来一直关注的问题。随着现代航空航天技术的飞速发展，机动目标在空间飞行的速度、角度、加速度等参数不断变化，使得目标的位置具有很强的相关性，因此，提高对这类目标的跟踪性能便成为越来越重要的问题，迫切需要研究更为优越的跟踪滤波方法。机动目标的跟踪研究，已成为当今电子战的研究热点之一。今天，精密跟踪雷达不仅广泛应用于各类武器控制和各类实验靶场，而且还广泛应用于各种空间探测、跟踪和识别领域，以及最先进的武器控制系统。 跟踪模型和匹配滤波是机动目标跟踪的两个关键部分，机动目标的精确跟踪在过去和现在都是一个难题，最根本原因在于跟踪滤波采用的目标动力学模型和机动目标实际动力学模型不匹配，导致跟踪滤波器发散，跟踪性能严重下降。本文将机动目标作为研究对象，从目标的运动建模和匹配滤波算法入手，提出或修正跟踪算法，从而实现对机动目标的精确跟踪。 1.2 机动目标跟踪技术及其发展状况 目标机动是指运动当中的目标，其运动方式在不断地发生变化，从一种形式变化为另一种形式，目标的运动可能从匀速到变速，也可能送直线到转弯，它的运动方式并不会从一而终。通俗地说，就是“目标速度的大小和方向发生变化”。 一般情况下，机动目标跟踪方法概括来讲可以分为以下两类：具有机动检测的跟踪算法和无需机动检测的自适应跟踪算法。机动目标的跟踪需要综合运用统计决策、滤波
雷达机动目标跟踪技术 研究精编 Document number：WTT-LKK-GBB-08921-EIGG-22986
1 绪论 课题背景及目的 目标跟踪问题实际上就是目标状态的跟踪滤波问题，即根据传感器已获得的目标量测数据对目标状态进行精确的估计[1]。它是军事和民用领域中一个基本问题，可靠而精确地跟踪目标是目标跟踪系统设计的主要目的。在国防领域，目标跟踪可用于反弹道导弹的防御、空防预警、战场区域监视、精确制导和低空突防等。在民用领域，则用于航空和地面交通管制、机器人的道路规划和障碍躲避、无人驾驶车的跟踪行驶、电子医学等。作为科学技术发展的一个方面，目标跟踪问题可以追溯到第二次世界大战的前夕，即1937年世界上出现第一部跟踪雷达站SCR-28的时候。之后，许多科学家和工程师一直努力于该项课题的研究，各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日趋完善。 运动目标的机动会使跟踪系统的性能恶化，对机动目标进行跟踪是人们多年来一直关注的问题。随着现代航空航天技术的飞速发展，机动目标在空间飞行的速度、角度、加速度等参数不断变化，使得目标的位置具有很强的相关性，因此，提高对这类目标的跟踪性能便成为越来越重要的问题，迫切需要研究更为优越的跟踪滤波方法。机动目标的跟踪研究，已成为当今电子战的研
究热点之一。今天，精密跟踪雷达不仅广泛应用于各类武器控制和各类实验靶场，而且还广泛应用于各种空间探测、跟踪和识别领域，以及最先进的武器控制系统。 跟踪模型和匹配滤波是机动目标跟踪的两个关键部分，机动目标的精确跟踪在过去和现在都是一个难题，最根本原因在于跟踪滤波采用的目标动力学模型和机动目标实际动力学模型不匹配，导致跟踪滤波器发散，跟踪性能严重下降。本文将机动目标作为研究对象，从目标的运动建模和匹配滤波算法入手，提出或修正跟踪算法，从而实现对机动目标的精确跟踪。 机动目标跟踪技术及其发展状况 目标机动是指运动当中的目标，其运动方式在不断地发生变化，从一种形式变化为另一种形式，目标的运动可能从匀速到变速，也可能送直线到转弯，它的运动方式并不会从一而终。通俗地说，就是“目标速度的大小和方向发生变化”。 一般情况下，机动目标跟踪方法概括来讲可以分为以下两类：具有机动检测的跟踪算法和无需机动检测的自适应跟踪算法。机动目标的跟踪需要综合运用统计决策、滤波算法以及其它的数学方法，将传感器所接受到的信号数据进行处理，得到目标的位置、速度、加速度等估计信息。图给出了机动目标跟踪的基本原理图。
第35卷，增刊红外与激光工程2006年10月V ol.35 Supplement Infrared and Laser Engineering Oct.2006 红外、雷达协同探测跟踪模型 贺有 (炮兵学院南京分院，江苏南京 211132) 摘要：雷达一直是战场进行目标跟踪识别的重要传感器，但是由于雷达在工作时要向空中辐射大功率电磁波，因而易遭受“电子对抗、反辐射导弹、隐身飞机和超低空突防”这“四大威胁”的攻击。和雷达不同，红外探测系统通过接收目标辐射源的电磁辐射进行探测和定位，因而不易被侦察或定位，具有强的抗干扰能力；此外，红外系统还可以获得目标的图像特征可进行目标识别。红外、雷达配合使用可成为相互独立又彼此补充的探测跟踪手段，本文中给出了红外探测系统与雷达协同探测的目标跟踪仿真模型。 关键词：雷达；目标跟踪；红外图像；仿真模型 中图分类号：TN219 文献标识码：A 文章编号：1007-2276(2006)增D-0306-06 Simulation model for combinatorial detecting and tracking process of IR and radar HE You (Nanjing Artillery Academy, Nanjing 211132, China) Abstract: IR sensors detecting in coordination with radar is a new trend in early-warning detecting systems. Radar and IR sensor are limited in respective aspects, however, the combination utilization of radar and IR sensor can make significant difference in the detecting capability. Moreover, a better precision and improved survivability could be derived for such a combination. The simulation model for the detecting and tracking process of such a combination is given. Key words: Radar; Target tracking; Infrared image; Simulation model ０引言 有源雷达一直是战场进行目标跟踪识别的重要传感器，但是由于雷达在工作时要向空中辐射大功率电磁波，因而易遭受“电子对抗、反辐射导弹、隐身飞机和超低空突防”这“四大威胁”的攻击。和雷达不同，红外探测通过接收目标辐射源的电磁辐射进行探测和定位，因而不易被侦察或定位，具有强的抗干扰能力；此外，红外系统还可以获得目标的图像特征可进行目标识别。红外已成为重要的被动探测手段。但是，红外也有其缺点，而红外、雷达配合使用可成为相互独立又彼此补充的探测跟踪手段。红外传感器的正确使用， 收稿日期：2006-08-14 作者简介：贺有(1965-)，男，山西运城人，副教授，主要从事情报侦察指挥方面的研究。
智能雷达光电探测监视系统单点基本方案 一、系统概述 根据监控需求： 岸基对海3~10公里围主要大小批量目标； 主动雷达光电探测和识别； 多目标闯入和离去自动报警智能职守； 系统接入指挥中心进行远程监控管理； 目标海图显示管理； 系统能够自动发现可疑目标、跟踪锁定侵入目标、根据设定条件进行驱散、同时自动生成事件报告记录，可以实现事故发生后的事件追溯，协助事故调查。 1. 项目建设主要目的 ?为监控区域安全提供综合性的早期预警信息； ?通过综合化监测提高处置和应对紧急突发事件的指挥能力。 2. 基本需求分析： 需配置全自动、全量程具备远距离小目标智能雷达探测监视和光电识别系统，系统具备多目标自动持续稳定跟踪、多种智能报警功能、支持雷达视频实时存储、支持留查取证的雷达视频联动回放功能等；同时后期系统需具备根据用户需求的功能完善二次开发能力。同时支持后续相关功能、扩点组网应用需求。 根据需求和建设主要目的，选型国际同类技术先进水平，拥有相关技术自主知识产权，具备二次技术深化开发的海兰信数据科技股份（2001年成立，2010年国创业板上市，股票代码：300065，致力于航海智能化与海洋防务/信息化的国唯一上市企业）的智能监视雷达光电系统。该系统在国外有众多海事相关成熟应用案例，熟悉国海事、海监、海警、渔政公务执法及救捞业务需
求特点等。同时，该系统近期成功中标国近年来相关领域多套（20套）雷达光电组网项目，充分说明该系统的技术领先及成熟应用的市场广泛接受度。 3. 项目建成后的主要特点 ?全天候、全覆盖、全自动的立体化监控。该系统具备对多传感器信息融合的能力，确保对探测围雷达信息源、光电、AIS、GPS等设备信号源进行有机的融合和整合。 ?系统具备了预警、报警、实时录取回放的综合功能。任何目标物进入雷达视距时，系统即开始进行监测。目标物触碰警报规则后，指挥室获得报警信号，同时联动设备综合光电锁定警报目标，以便驱离。整个过程系统实时记录、方便随时调用回放。 ?系统技术水平国领先。该系统中创新地采用了国际先进的“先跟踪后探测”算法技术对目标进行探测和跟踪，保证了在严苛条件下满足对目标地探测与持续跟踪能力。 ?该系统采用先进的设计思想，开放灵活的系统网络架构，能够根据需求进行不同的组合和配置，系统可扩展性强。 ?维护便捷，由于采用网络架构，获得用户授权后能连接到用户网络，可以远程支援维修维护系统，从而提高维护效率，减少维护成本。 ?可靠性高，充分适应不同的海洋环境。 二、系统设备清单
随机数字信号处理期末大作业（报告） 基于卡尔曼滤波器的雷达目标跟踪 Radar target tracking based on Kalman filter 学院（系）：创新实验学院 专业：信息与通信工程 学生姓名：李润顺 学号：21424011 任课教师：殷福亮 完成日期：2015年7月14日 大连理工大学 Dalian University of Technology
摘要 雷达目标跟踪环节的性能直接决定雷达系统的安全效能。由于卡尔曼滤波器在状态估计与预测方面具有强大的性能，因此在目标跟踪领域有广泛应用，同时也是是现阶段雷达中最常用的跟踪算法。本文先介绍了雷达目标跟踪的应用背景以及研究现状，然后在介绍卡尔曼滤波算法和分析卡尔曼滤波器性能的基础上，将其应用于雷达目标跟踪，雷达在搜索到目标并记录目标的位置数据，对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。最后对在一个假设的情境给出基于卡尔曼滤波的雷达目标跟踪算法对单个目标航迹进行预测的MATLAB仿真，对实验的效果进行评估，分析预测误差。 关键词：卡尔曼滤波器；雷达目标跟踪；航迹预测；预测误差；MATLAB仿真
1 引言 1.1 研究背景及意义 雷达目标跟踪是整个雷达系统中一个非常关键的环节。跟踪的任务是通过相关和滤波处理建立目标的运动轨迹。雷达系统根据在建立目标轨迹过程中对目标运动状态所作的估计和预测，评估船舶航行的安全态势和机动试操船的安全效果。因此，雷达跟踪环节工作性能的优劣直接影响到雷达系统的安全效能[1]。 鉴于目标跟踪在增进雷达效能中的重要作用，各国在军用和民用等领域中一直非常重视发展这一雷达技术。机动目标跟踪理论有了很大的发展，尤其是在跟踪算法的研究上，理论更是日趋成熟。在跟踪算法中，主要有线性自回归滤波、两点外推滤波、维纳 α-滤波和卡尔曼滤波，其中卡尔曼滤波算法在目标跟踪滤波、加权最小二乘滤波、β 理论中占据了主导地位。 雷达跟踪需要处理的信息种类多种多样。除了目标的位置信息外，一般还要对目标运动速度进行估计，个别领域中的雷达还要对目标运动姿态进行跟踪。雷达跟踪的收敛速度、滤波精度和跟踪稳定度等是评估雷达跟踪性能的重要参数。因此提高雷达跟踪的精度、收敛速度和稳定度也就一直是改善雷达跟踪性能的重点。随着科技的发展，各类目标的运动性能和材质特征有了大幅度的改善和改变，这就要求雷达跟踪能力要适应目标特性的这种变化。在不断提高雷达跟踪性能的前提下，降低雷达跟踪系统的成本也是现代雷达必须考虑的问题。特别是在民用领域中由于雷达造价不能过高，对目标跟踪进行快收敛性、高精度和高稳定性的改良在硬件上是受到一些制约的，因此雷达跟踪算法的研究就越来越引起学者们的关注。通过跟踪算法的改进来提高雷达的跟踪性能还有相当大的挖掘潜力。考虑到雷达设备的造价，民用雷达的跟踪系统首要的方法就是对于雷达的跟踪算法进行开发。
雷达跟踪算法论文目标跟踪算法论文 雷达多目标跟踪算法 摘要:文章简述了雷达多目标跟踪系统中状态估计和航迹数据关联两大问题的研究现状并对主流算法进行分析对比。状态估计问题主要分析了线性滤波及非线性滤波的主流算法。数据关联问题主要分贝叶斯类和最大似然概率类进了行讨论分析。 关键词:雷达；目标跟踪；卡尔曼滤波；数据关联 1引言 将数学算法引入到雷达系统，已经有百年历史，雷达数据处理方法始于高斯将最小二乘算法应用于神谷星的轨道预测，随后R.A.Fisher的极大似然估计法、N.Wiener的维纳滤波法都曾给雷达数据处理带来巨大变革，而由Kalman滤波逐步完善而来的卡尔曼滤波估计理论已经在雷达数据处理中占有非常重要的地位。雷达目标跟踪算法主要有状态估计、航迹点迹处理两个部分。 2状态估计 状态估计是对目标过去的运动状态进行平滑、对目标现在运动状态进行滤波以及对目标未来的运动状态进行预测的方法。 2.1线性滤波算法 在所有的线性形式的滤波器中，线性均方估计滤波器是最优的。线性均方误差准则下的滤波器包括：维纳滤波器和卡尔曼滤波器，稳态条件下两者是一致的，但卡尔曼滤波器适用于有限观测间隔的非平稳问题，它是适合于计算机计算的递推算法。[1]表1列出详细对比。
2.2 非线性滤波 无源探测系统不能测距，欲获得目标状态良好估计需用到非线性滤波方法，包括扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）及粒子滤波（PF）[2]。表二列出了详细对比分析。 由以上对比可知，速度上，EKF具有明显优势，但当系统的非线性强度增大导致线性化误差增大时，EKF的估计精度下降，甚至发散；精度上UKF和PF性能相似，但就计算量而言PF远远超过UKF[3]。综上，在一般的非线性高斯环境中宜采用UKF，在更复杂的非高斯环境中，PF将具有更广泛的应用前景。 3 多目标跟踪 多目标跟踪的基本方法，可以分为极大似然类数据关联算法和贝叶斯类数据互联算法。极大似然类数据关联算法包括人工标图法、航迹分叉法、联合极大似然算法、0-1整数规划法、广义相关法等。贝叶斯类互联算法包括最近邻域法、概率数据互联算法、联合数据互联算法、最优贝叶斯算法、多假设方法等[4]。 3.1 极大似然类多目标数据关联算法 在极大似然类数据关联算法中，目前主要应用的是航迹分叉法、两盒极大似然算法、0-1整数规划法和广义相关法这四种算法。表三就这几种线性关联算法进行对比分析。 通过实验，在测量杂波环境相同的条件下，航迹分叉法的计算耗时最长，计算量最大，这是由于它无区别地分配有效测量，不处理同