复杂海洋环境下多机动目标跟踪机理及方法研究

针对复杂海洋环境下多机动目标跟踪精度低、失跟率高的难题，提出了一种基于支持向量机和粒子滤波的具有机动识别的变结构多模型新方法，并就其所涉及的关键机理及技术开展研究。主要研究内容：复杂海洋背景噪声K分布概率统计建模；变结构多模型跟踪机理及机动特征的识别与提取；密集多回波环境下多机动目标跟踪的支持向量机数据关联处理；非高斯环境下，基于粒子滤波的多机动目标跟踪方法。主要创新点：针对海洋背景噪声和混响干扰的复杂性，提出K分布概率统计建模及相关参数优化，探明其产生机理；以目标机动特征的识别与提取为手段，对变结构多模型的动态精度进行控制；构建多目标点迹与航迹识别分类的特征向量，优化支持向量机数据关联处理的判决准则。通过对变结构多模型、粒子滤波、支持向量机数据关联处理的系统深入研究，为解决复杂海洋环境下多机动目标跟踪提供有效方法。

本项目针对复杂环境下多机动目标跟踪精度低、易失跟的技术难题，建立了多回波下多目标跟踪模型，构建了复杂环境下多机动目标跟踪的理论与技术体系。初步提出了机动模型设计准则，建立了一种机动目标跟踪复合模型。初步建立了复杂海洋背景噪声K分布概率统计模型。结合UKF算法和粒子滤波方法，建立了非线性非高斯环境下机动目标的跟踪模型，仿真分析和实验研究了模型的参数、不同信噪比对跟踪模型的影响。从状态各分量均方根误差、稳态和瞬态特性、空间复杂度和时间复杂度几方面对跟踪模型性能展开了综合评价。针对密集多回波下多目标跟踪门相交的问题，建立了支持向量机数据关联方法。构建了基于观测新息的支持向量机学习样本和当前待识别样本，给出了相应的判决准则。利用SVM对重叠跟踪门内的回波进行了识别与分类，获得最佳可利用信息，并进行测量融合。采用Monte Carlo实验评估了SVM数据关联方法的误跟踪率、跟踪精度以及算法的时间复杂性。该项目的顺利完成，为新一代武器系统研制和各种导航系统开发提供了可靠的技术保证，有助于促进相关需求行业如城市视频监控、民航飞机起落管理、智能机器人控制等的发展。