多目标跟踪技术研究：自适应建模与算法优化

"多目标跟踪算法及实现研究，涉及卡尔曼滤波、目标跟踪、边扫描边跟踪、时间相关模型、自适应建模、交互式多模型、概率数据关联以及跟踪坐标系等多个核心概念。作者刘刚在博士学位论文中详细探讨了这些技术在现代跟踪环境中的应用与挑战，尤其是在隐身、对抗、强机动和高杂波等复杂情况下的多目标跟踪问题。 1. 自适应常加速模型(AcA模型)：在直角坐标系下，作者提出了一种新型的AcA模型，以适应机动目标的建模。该模型基于时间相关模型的深入研究，减少了计算复杂性和成本，同时保持了与非零均值时间相关模型的等效性，适合实际工程应用。 2. 极坐标系下的机动目标建模：通过坐标变换方法，建立了极坐标系下的目标运动模型，这种方法在特定情况下可实现状态方程的解耦，降低了计算量。与传统算法相比，它提高了方向角估计的精度，消除了径距估计的偏差，从而提升了径距估计的准确性，具有良好的工程应用潜力。 3. 交互式多模型(IMM)与概率数据关联(PDA/JPDA)：对IMM算法和PDA/JPDA算法进行了深入研究，针对现有算法的不足，提出了C-IMM-PDA/C-IMM-JPDA算法，以全局最优为目标，优化了算法结构和理论基础，仿真结果显示，新算法在减少计算量的同时，整体性能得到显著提升。 4. 跟踪起始：研究了两点外推滤波器起始法，提出了一种新的波门构造方法，利用目标速度极限的先验信息，使波门构造更加精确。仿真比较表明，这种方法优于其他波门构建策略。 5. 异类信息融合：在地面跟踪系统中，结合电子地图的应用，提出了目标跟踪修正方法，增强了目标分辨能力。现场联试验证了该方法的有效性，提升了边扫描边跟踪(TWS)系统的输出质量。 这篇博士学位论文深入研究了多目标跟踪的关键技术和算法，为解决现代跟踪环境中的复杂问题提供了理论基础和实用方案，对于相关领域的研究和工程实践具有重要价值。"