文档介绍：北京工业大学硕士学位论文题英文并列目研究生姓名:专导师姓名:研究方向:职称:分类号:单位代码:公开业:学号:密级:授予单位名称和地址论文报告提交日期北京工业大学北京市朝阳区平乐园,签名斤;至拥际η┟.㈣删『篺劲独创性声明关于论文使用授权的说明。人已经发表或撰写过的研究成果,也不包含为获得诒ν跣┨没蚱渌逃本人完全了解叭跣┨糜泄乇A簟⑹褂醚宦畚牡墓娑ǎ矗貉S腥本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。保留送交论文的复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。C艿穆畚脑诮饷芎笥ψ袷卮斯娑日期:签一摘要关键词:多传感器数据融合技术将来自不同传感器的数据进行处理以得到比单个传感器更多,更精确的信息以提高系统的性能。近年来,随着在军事领域及民用领域的应用,数据融合技术越来越引起大家的研究兴趣。本论文主要研究了以下几个方面的内容:目标的状态估计、数据对准、航迹关联、航迹融合及仿真系统。首先本文回顾了数据融合中的基本概念、原理、功能模型、结构及数据融合的研究意义、应用等。然后本文对卡尔曼滤波、扩展卡尔曼滤波、变换卡尔曼滤波及粒子滤波等目标状态估计方法进行了研究,给出了计算机仿真结果及其性能对比。在多传感器数据融合中,由于校正雷达的偏差是对来自不同传感器系统的数据进行关联的基础性问题,本文对基于地心坐标的最小二乘法瓽涂尔曼滤波偏差估计方法进行了研究。由于这两种算法是建立在已知相关联航迹基础上的,但由于航迹关联与偏差校正互为前提,在系统工作的开始,航迹关联信息往往是不知道的,所以其应用受到限制。为此本文研究了一种建立在剪枝法和卡尔曼滤波方法或最小二乘法基础上的偏差估计方法。在系统进行信息融合前必须保证融合的数据来自同一个目标,文中给出了基于甋证据理论的方法解决这一问题。然而在目标密集的环境中,由于目标距离较近会使一般的航迹关联算法性能下降导致航迹关联错误,因此在这种情况下有效的关联算法应该从全局来考虑。人们已经分别提出了神经网络航迹关联算法,但是这些算法的共同前提是所有雷达都探测到相同的目标,但在实际应用中这是不现实的,为解决这一问题本文对连续状态神经网络关联算法进行了推广,并进一步推广到三个雷达的情况。为提高该算法收敛速度对航迹间嗬胱隽酥匦露ㄒ濉为进一步提高方法的性能,本文尝试了用混沌神经网络泻迹关联的方法,仿真结果显示该方法比方法提高了航迹关联正确率。本文还研究了两种航迹融合的算法:法和ǎ⒔樯芰嗽谑笛槭夜电火控系统仿真平台上,构建了航迹融合仿真子系统的方法。,,...。..,.甌琤,.瓼,瓵瑃..猳,—琭瓹,琣’,—北京工、大学硕士学位论文目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第二章目标状态估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章多雷达系统的误差配准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多雷达航迹融合系统简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯卡尔曼滤波器⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.扩展卡尔曼滤波⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.ǘ瞬ㄆ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..变换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。卡尔曼滤波⋯⋯⋯⋯⋯!.W勇瞬ā交互式多模型算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.常用坐标系及坐标转换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..;弧时间校准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..钚《⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.·······