题目：基于粒子滤波的联合目标跟踪分类研究

        联合目标跟踪分类(Joint Tracking and Classification, JTC)在一个统一的框架内同时研究解决目标跟踪和目标分类的问题，可以同时有效地提高目标的跟踪精度和识别概率。基于刚体运动模型的的JTC技术模型精度较高，能够综合有效地利用来自运动学传感器和属性传感器的信息，因此本文以地基被动警戒雷达为应用背景，主要监视低空突防来袭目标，利用地面上多个商业广播发射的无线电调频（FM）信号，提出基于刚体运动模型含雷达散射截面(Radar Cross Section, RCS)观测的联合目标跟踪分类技术。  

        联合目标跟踪分类中包含非线性模型和非高斯噪声，因此采用粒子滤波来解决这类非线性非高斯问题。研究了粒子滤波的基本原理，针对其粒子退化的缺点，设计了基于重采样技术的改进算法和基于重要性密度函数的改进算法，即正则化粒子滤波和辅助粒子滤波，并将交互式多模型算法与粒子滤波算法及其改进算法组合，得到交互式多模型粒子滤波算法及其改进算法。

        基于刚体模型的联合目标跟踪分类技术采用空气动力学模型来描述目标的平动和转动，并将分类器输出的具体参数传递给跟踪器, 实现基于动力学模型的跟踪；同时，将雷达散射截面包括在观测中，它既可提供主要的分类特征，又可根据跟踪器的输出来预测RCS值。这样，目标跟踪与目标分类被紧密结合，充分发挥联合跟踪分类的优势，有效提高目标的跟踪性能和分类概率。

        针对雷达散射截面作为重要的目标分类特征只能离线计算、实时性差等问题，提出了一种基于FEKO的雷达散射截面实时计算。利用入射电磁波的方位角和高低角，散射电磁波的方位角和高低角，通过Matlab调用FEKO电磁仿真软件，实时计算出不同类型飞机的RCS，为目标分类提供附加的属性观测。    

        最后搭建了基于FM信号的被动雷达目标跟踪分类仿真平台，通过交互式多模型粒子滤波实现非线性非高斯的模型，运用FEKO电磁仿真软件获得目标的实时RCS观测值，对本文提出的基于刚体运动模型含RCS观测的联合目标跟踪分类技术进行了Monte Carlo仿真，并完成相应的实验验证。