随着工作环境的日趋复杂化,单个传感器所获取的信息越来越无法满足对精度、实时处理和可靠性的要求,在监视、跟踪高机动目标时情况更是如此。近年来,传感器及信息融合技术的发展为先进跟踪和监视系统设计开辟了新的途径,针对机动目标的传感器信息融合处理技术受到广泛的重视。本文以高机动目标的跟踪问题为研究重点,在讨论了目标的各种动态模型和最优估计方法的基础上,针对高机动目标这一特殊情况提出了模糊自适应α—β—γ滤波新算法,仿真研究了各种目标机动情况下的目标信息滤波和融合。从仿真结果可以得出,模糊自适应α—β—γ滤波新算法可以进一步改善滤波的效果,提高信息融合精度,节省数据处理的时间。 本文的主要工作可以归纳为如下几个方面: (1) 介绍了各种目标动态模型,比较了各种模型的优劣势,确定了本文采用的模型。 (2) 简要介绍了信息融合的各种方法及最优估计方法,较详细的介绍了卡尔曼滤波方法的,重点分析了稳态情况下的卡尔曼滤波器问题。 (3) 介绍了被动雷达目标跟踪和数据链的特性:并介绍了信息融合基础理论的模型和级别。 (4) 为适应高机动目标的跟踪,本文提出了改进的α—β—γ滤波:模糊自适应α—β—γ滤波,研究了各种目标机动的轨迹和噪声条件下模糊自适应α—β—γ滤波的特性。 (5) 仿真研究了采用模糊自适应α—β—γ滤波和传统的卡尔曼滤波进行目标信息融合的特点,给出了研究结论。 本文提出的模糊自适应α—β—γ滤波在处理数据链与被动雷达目标跟踪信息融合问题时精度较高,具有较好的工程应用价值。