题目：运动目标探测与跟踪系统研究

      基于多传感器的目标探测与跟踪系统，实现目标航迹分类和航迹融合，对现代战争综合识别系统研究有重要意义。目前，基于模糊推理和神经网络的信息处理技术，已成为数据分类与融合领域的研究热点。

      本文基于多传感器运动目标探测与跟踪系统，分析了多模复合导航的量测模型和异步/同步数据融合算法，建立统一的时空坐标系，完成对于数据的预处理。采用改进的基于运动模型的阈值因子的航迹分类算法，实现对多雷达传感器航迹的关联功能。建立了高度平面一定，在t时间内的运动模型，对多雷达传感器数据分类，得到考察的航迹，分析了其运动属性，并且和基于欧氏距离的目标函数进行对比，在系统准确性和及时性优于传统算法。

       采用动态模糊神经网络实现航迹融合，通过理论分析，动态模糊神经网络事先没有模糊规则数，更加适合当今复杂多变的战场环境。另外分析结果参数对于输出层的影响，分别采用不同的实现策略，发现扩展卡尔曼滤波算法能有效地降低均方误差，复合战场的准确性要求。扩展卡尔曼滤波算法是对非线性系统模型进行的线性化近似，利用卡尔曼滤波算法进行滤波估计。最后实现了卡尔曼滤波算法的硬件设计，快速有效的实现对目标的估计。

      研究结果表明：文章提出的航迹分类算法，相比于传统的多因子航迹分类算法，X、Y、Z方向上的平均误差以及方差在一定程度上有了改善。对动态模糊神经网络结果参数的研究，得到扩展卡尔曼滤波算法比最小二乘法、卡尔曼滤波算法具有良好的性能，为下一步的航迹融合的实现提供了借鉴和参考。