榮慶

摘 要：本文針對單模型的機動目標(biāo)，具體闡述了勻加速模型（CA）的應(yīng)用實例，通過算法仿真分析出這兩個模型在實際應(yīng)用中的優(yōu)缺點，并且指出CV模型應(yīng)用的局限性，以及CA模型在加速度跳變的時刻存在一個收斂的過程，為以后通過改善跟蹤門來解決單模型機動目標(biāo)跟蹤性能的方案提供參考依據(jù)。

關(guān)鍵詞：機動目標(biāo)；雷達跟蹤；仿真；勻加速單模型

DOI：10.16640/j.cnki.37-1222/t.2019.14.116

1 提出問題及場景假設(shè)

（1）問題描述。本文研究的例子是二維平面雷達。然而，當(dāng)發(fā)現(xiàn)目標(biāo)運動的時候，要實現(xiàn)準(zhǔn)確無誤的追蹤目標(biāo)就顯得有一定難度，因為一般情況下，很難十分精準(zhǔn)的預(yù)測運動目標(biāo)的下一步狀態(tài)[1]。因此就需要提供準(zhǔn)確的機動目標(biāo)跟蹤模型。現(xiàn)如今廣泛使用的機動目標(biāo)跟蹤模型一般為勻速度模型（CV），勻加速模型（CA）以及Signer模型[2]。由于量測數(shù)據(jù)大多含有噪聲和雜波，為了提高目標(biāo)狀態(tài)（位置、速度等）估計精度，通常要對量測數(shù)據(jù)進行預(yù)處理以提高數(shù)據(jù)的準(zhǔn)確度和精度。

（2）場景假設(shè)。假設(shè)有一個坐標(biāo)雷達來觀察飛機上的移動目標(biāo)。移動速度為200米/秒，目標(biāo)的起點為原點，勻加速度運動在x軸方向上進行50-100秒。加速度ax=20m/s，ay=0m/s，并且在x軸的正方向上以100-150s執(zhí)行恒速線性運動，實現(xiàn)目標(biāo)機動。設(shè)定雷達的掃描周期T=2秒，針對于目標(biāo)進行觀察，其噪聲的標(biāo)準(zhǔn)差等于100米。建立了雷達跟蹤算法，建立算法仿真。

2 模型算法

考慮隨機干擾情況。當(dāng)目標(biāo)無機動，即目標(biāo)作勻速或勻加速直線運動時，可分別采用常速CV模型或三階常加速CA模型。

從以上方可看出，CV和CA都適用于線性模型，為目標(biāo)跟蹤算法優(yōu)化計算。但是當(dāng)目標(biāo)發(fā)生機動，其加速度矢量有了改變，運用此模型后的跟蹤效果將會不太理想，因此就要求立足于目標(biāo)的機動情況來運用相關(guān)模型。

3 具體實現(xiàn)

4 仿真結(jié)果

仿真程序通過MATLAB平臺來編寫，機動目標(biāo)跟蹤濾波器采用蒙特卡羅來仿真。并且獲得仿真結(jié)果。

CA模型（左）和singer模型（右）。

由上圖可知，對于位置和速度兩個指標(biāo)來說，有無雜波基本上不會受到影響，在圖2中可以看出，在50點和100點處，由于加速度發(fā)生跳變，目標(biāo)跟蹤丟失，誤差比較大，但是經(jīng)過一段時間迭代，又重新收斂。

圖2顯示了CA模型的速度估計與速度的標(biāo)準(zhǔn)差，由圖可知該算法在濾波開始時需要一定的收斂過程存在比較大的誤差，并且在加速度突變時，也是存在一個收斂的過程，這與實際是相符合的。綜上可知，CA模型在加速度跳變的時刻存在一個收斂的過程，當(dāng)達到收斂時其在加速段的跟蹤效果比在勻速段跟蹤的效果要好。

5 結(jié)束語

根據(jù)仿真結(jié)果，如果是均勻加速目標(biāo)，可以使用CA模型獲得不錯的跟蹤效果；然而，如果是大機動目標(biāo)，通常存在機動跟蹤延遲的問題。CA模型對于弱機動目標(biāo)和加速度突變情況跟蹤性能較差，雜波對跟蹤性能影響比較大?？梢砸隨inger模型及“當(dāng)前”統(tǒng)計模型來跟蹤目標(biāo)。在雜波情況下，可以通過改善跟蹤門來解決性能。

參考文獻：

[1]王麗娜.基于卡爾曼濾波的單模型目標(biāo)跟蹤算法的仿真研究[J].中國新通信，2016.

[2]劉楠.基于機動目標(biāo)跟蹤模型的自適應(yīng)濾波算法[D].浙江理工大學(xué)，2016.