● 摘要
多被动传感器定位跟踪系统具有抗电子侦察与干扰、抗隐身航空航天兵器、抗反辐射导弹、抗低空突防等特点，是现代防御系统中的研究热点之一。本文深入研究了基于有限集统计理论的目标跟踪技术，并将该理论应用于多被动传感器融合目标定位跟踪。本文做出了以下四个方面的贡献：（1）针对交互多模型中模型交互时不同状态转换函数为非线性函数的问题，提出了使用Unscented变换取代雅可比矩阵计算目标状态概率分布的交互多模型跟踪算法。Monte-carlo仿真表明，基于Unscented变换的跟踪算法具有更好的跟踪性能。（2）针对协作式多模型方法中需要估计模型序列和目标状态的联合概率分布这一问题，分析了使用粒子滤波来估计模型序列的目标状态估计方法。首先使用粒子滤波估计模型序列的概率分布，然后利用卡尔曼滤波估计已知模型序列条件下目标状态的条件概率分布。仿真实验表明，利用粒子滤波估计模型序列的多模型目标跟踪方法解决运动不确定性的问题的性能要优于传统的交互多模型方法。（3）针对粒子概率假设密度滤波器中新目标集合和虚警集合的设置问题，提出了改进方法：采用基于观测集合的方法来产生粒子概率假设密度滤波器中的新目标概率假设密度函数和虚警概率假设密度函数；同时根据粒子概率假设密度滤波器粒子分布的特点，提出了一种改进的提取目标状态的方法。仿真实验结果验证了新算法的性能优于改进前的粒子概率假设密度滤波器，并通过视频多目标跟踪实验验证了新算法。（4）设计了基于粒子概率假设密度滤波器的集中式多被动传感器目标定位跟踪系统。利用STK仿真了天基光学空间目标监视场景，并根据仿真得到的观测数据实现了基于粒子概率假设密度滤波器的多被动传感器目标定位跟踪。