复杂环境下的机动目标跟踪技术(3)
雷达目标跟踪中，常见的杂波有气象杂波、地杂波、仙波，如存在海洋环境，背景比较复杂，则还会有海杂波、濒海杂波等[5]。杂波不但会影响目标跟踪的数据关联，甚至还可能使雷达起始航迹，造成虚警，产生不明空情。雷达接收信号回波后，虽然可以通过脉压、CFAR、MTI以及MTD等技术手段[6]，过滤掉部分杂波，但仍然会有部分杂波剩余。
数据处理的杂波抑制，可以从单周期和多周期两方面来考虑。
对于单周期方法，主要是依靠回波的宽度、幅度以及多普勒等信息来判断。但由于目标回波的闪烁以及一些不确定性因素，这类方法的效果有限，难以把目标回波和杂波较好地区分开来。
现在广泛运用的数据处理的杂波抑制是多周期的，主要从多周期的信息累计来实现。多周期的方法也可从两个技术角度来进行：（1）多周期统计方法，通过在一定时间内统计回波的位置、速度、数量、密度、幅度、信噪比等信息，从而得到一定的规律，在统计规律的基础上，通过设置一些自适应的门限，将杂波去除。（2）多周期数据关联方法，通过数据关联环节进行信息积累将杂波去除。
1.3 本文结构
本文共分为五部分。第一章通过了解相关的资料和初步的学习，介绍了目标跟踪这个课题的研究背景、研究意义，其中对多模型方法在跟踪上的重要性进行了介绍，然后针对先进技术的发展和研究进行了分析。第二章节首先讲解了跟踪的基础，如何建立简单的机动目标的运动模型的基本建立原则，然后具体的讲解了一些具体的方案并且把常用的模型建设了,最后讲解了卡尔曼滤波的原理和流程，这是跟踪技术的关键。第三章开始详细具体的介绍了交互式多模型算法流程[8]，本课题的仿真技术来源就是本算法。第四章节主要是讲述了如何利用动态杂波图来进行杂波处理。第五章是前面的章节的matlab仿真实验。最后是结论致谢。
2 目标跟踪模型及kalman滤波
2.1 目标跟踪模型
数学模型是描述运动最有利的工具，好的模型能很好的描述目标运动和提高跟踪算法的性能。但实际上目标的运动状态不断改变用一个特定的模型是很困难的，在方便数学处理与简化过程的考虑下，模型不需要与目标的实际情况相一致，我们只能在假设的基础上近似的用基本的各类几何运动模型来建模，比如直线运动，曲线运动以及转弯等来描述。