战场迷雾中的欺骗路径规划（英文）

计算机生成兵力是由计算机生成的虚拟作战力量对象，是军事仿真领域的关键要素。欺骗路径规划是欺骗行为的一种基本呈现模式，对提高计算机生成兵力的智能性和竞争力具有重要意义。然而，目前欺骗行为与军事仿真的结合还不够充分，经典的路径规划方法不能有效利用战场的部分可观测性，进而达到更好的欺骗效果。为了解决这些问题，在路网定义的基础上重新定义了一种，并基于四种经典的欺骗策略，提出了四种新的欺骗路径规划方法。为了对新方法和经典方法进行可视化比较，在基于KD-HLA-RTI中间件搭建的坦克对抗实验平台上进行了红蓝对抗实验。红色坦克作为被观察者，依据不同的策略进行欺骗路径规划，而蓝方作为观察者，依据观测序列对红色坦克的真实目标进行在线识别，并为其部署防御资源。实验结果表明，在战场环境部分可观测条件下，与经典方法相比，四种新方法能在确保更强欺骗性的同时，更有效地减少被观察者抵达真目标的时间。后续多次仿真实验表明，第三种方法在欺骗效果的提升上对于战场环境变化有较好的鲁棒性。     

脉冲多普勒雷达距离拖引目标序贯滤波跟踪方法

建立一个包含欺骗过程参数的滤波模型,在估计目标状态的同时,对目标距离拖引欺骗的相关参数进行估计。用一个递归滤波器估计回波平均功率,并计算真实回波和欺骗回波的检测概率,用于相关计算和欺骗终止判断。用2D方法实现测量值与真实回波和欺骗回波预测位置的关联判断,对相关上的回波使用序贯滤波的方法对目标状态进行估计。仿真结果表明,本方法能够有效地利用欺骗回波,不仅能稳定地跟踪目标,而且可以获得较高的目标位置估计精度。     

基于集合卡尔曼滤波的改进粒子滤波算法

提出一种基于集合卡尔曼滤波的粒子滤波改进方法。该方法利用集合卡尔曼滤波的最大后验概率估计产生粒子滤波每一时刻各粒子的建议分布函数,使建议分布函数融入最新观测信息的同时,更加符合状态的真实后验概率分布。该方法在对粒子滤波的建议分布进行估计时使用采样方法近似非线性分布,且采样点数灵活可变,使计算精度和算法效率得到提高。仿真结果表明,提出的集合卡尔曼粒子滤波的估计性能明显优于标准粒子滤波、扩展卡尔曼粒子滤波和无迹粒子滤波。     

基于容积粒子滤波的交互式多模型算法

针对非线性非高斯条件下目标跟踪容易发散和精度下降等问题,将容积粒子滤波引入到交互式多模型算法中,提出了一种基于容积粒子滤波的交互式多模型算法。该算法在粒子先验分布更新阶段,利用容积卡尔曼滤波器融入最新的观测数据并产生重要性密度函数,使其更加逼近系统真实状态的后验概率密度,改善了粒子滤波的性能。仿真表明在运算时间未显著变化的情况下,该算法与交互式多模型无迹粒子滤波算法相比有着更高的滤波精度和稳定性。     

用于目标跟踪的自适应粒子滤波算法

结合粒子滤波算法,提出了一种能够根据目标运动特征自动确定粒子数的自适应目标跟踪算法。为了准确表示后验概率密度,粒子滤波通常使用大量的粒子。当运动预测准确时,用少量的粒子就可以准确估计概率密度函数。提出的算法利用描述概率密度所需的粒子数和运动估计准确程度之间的关系,自动确定粒子滤波所需的粒子数及其提议分布,提高了粒子的使用效率,避免了由于使用过多粒子而增加跟踪器计算量的问题。实验结果表明该算法可以有效地估计出进行目标跟踪所需的粒子数目。     

一种基于粒子滤波的被动多传感器多目标跟踪算法

针对被动观测系统中非线性运动多目标跟踪问题,提出了一种基于交叉定位的模糊-概率双加权粒子滤波跟踪算法.算法利用多个被动传感器的角度观测信息进行交叉定位,得到目标的位置观测信息,通过模糊-概率双加权完成目标与定位点的关联匹配,最后利用粒子滤波对非线性运动的目标进行跟踪;其中关联算法和滤波算法的有效结合是该算法的创新点.仿真结果表明,所提出的算法可以准确地排除虚假定位点,可有效跟踪多个非线性运动目标.     

基于色彩相关直方图的粒子滤波跟踪算法

提出一种基于色彩相关直方图的粒子滤波跟踪算法.该算法在粒子滤波基本框架之下,将目标色彩自相关直方图作为目标的描述特征,用于衡量不同预测状态与观测状态之间的色彩相关性.色彩相关直方图将色彩的空间相关性信息引入到目标的特征表达当中,弥补了一般色彩直方图的不足.试验表明,该算法不仅能在目标与背景颜色相近的情况下准确的跟踪到目标,而且能在目标发生旋转和部分遮挡的情况下也能保证不丢失目标.     

基于压缩感知的粒子滤波跟踪算法

针对运动目标跟踪存在的目标遮挡和光照变化问题,提出一种基于压缩感知的粒子滤波跟踪算法。将改进的压缩感知跟踪算法提取的特征融合到粒子滤波跟踪框架中,并对压缩感知提取的特征和原始粒子滤波中的颜色特征进行可信度判定,能够较好地处理图像序列中由于目标遮挡和光照变化所带来的影响。此算法在公开数据库中进行测试,实验结果表明,提出的算法与已有改进压缩感知跟踪算法和粒子滤波跟踪算法相比,鲁棒性更好,能准确实时地对目标进行跟踪。     

雷达抗自卫转发式航迹假目标欺骗干扰技术

在杂波背景下,传统的自卫转发式航迹假目标欺骗干扰识别方法的正确识别率较低,且利用单一信号特征鉴别真假目标的正确鉴别率较低。针对此问题,提出了一种新的抗自卫转发式航迹假目标欺骗干扰技术。首先,使用常规多目标跟踪算法消除杂波的影响,然后利用基于目标状态估计的角度检验和N/M逻辑准则判断雷达是否遭受自卫转发式航迹假目标欺骗干扰。若存在干扰,则提取目标信号的幅度和相位量化信息,使用多级模糊综合评判对真假目标进行联合鉴别。该技术对自卫转发式航迹假目标欺骗干扰正确识别率较高,能有效剔除形成稳定航迹的假目标。仿真结果验证了该技术的可行性和有效性。     

基于IEK-PF的多传感器序贯融合跟踪

针对粒子滤波中得到优化的重要性密度函数比较困难的问题,将迭代扩展卡尔曼滤波和序贯融合与粒子滤波相结合,应于雷达和红外多传感器目标融合跟踪.利用基于迭代扩展卡尔曼滤波的序贯融合算法得到的系统状态更新矩阵和误差协方差矩阵来构造粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布.仿真结果表明基于序贯融合的迭代扩展卡尔曼粒子滤波(IEK-PF)能提高状态估计的精度.     

基于unscented粒子滤波的红外弱小目标跟踪

为有效解决非线性环境中的红外弱小目标跟踪问题,提出基于unscented粒子滤波的目标跟踪算法。状态转移先验概率中未考虑当前测量对状态估计的作用,为克服传统粒子滤波算法采用状态转移先验概率作为粒子滤波建议分布的缺点,采用UKF生成粒子滤波的建议分布(UPF),并从中抽样粒子。由于考虑到当前观测值在状态后验估计中产生的影响,改善了目标状态估计的性能,且实验所需粒子数目大大少于传统粒子滤波算法所需粒子数目。用实际红外图像对所提算法做了仿真实验,结果表明,用该方法得到的状态估计结果优于用传统粒子滤波算法和用扩展卡尔曼滤波作为建议分布的粒子滤波算法获得的结果。     

改进的辅助粒子滤波当前统计模型跟踪算法

提出了一种改进的辅助粒子滤波算法,采用基本的常规波束形成法对声信号函数进行处理,得到目标的方位谱估计,推导了以目标方位谱函数作为重要采样密度函数的辅助粒子滤波算法。并将此改进的辅助粒子滤波算法同当前统计模型相结合,提出一种基于目标方位谱的辅助粒子滤波当前统计模型自适应跟踪滤波(current statistical model improved auxiliary particle filter, CSM-IAPF)算法。最后通过仿真验证此方法能够减少跟踪误差,具有较好的实时性和稳定性。     

基于尺度空间粒子滤波器的多参考#br# 直方图目标跟踪算法

在基于直方图的序列图像目标跟踪算法中,目标的直方图通常都是在跟踪初始化时从目标所在的区域获得,然而单个直方图难以适应跟踪全过程中目标的各种变化。针对事先已知目标几种典型外观的跟踪问题,提出了一种基于粒子滤波器的多直方图尺度空间跟踪算法。利用多个典型直方图的线性加权来表示目标的直方图,根据目标的当前区域估计加权系数,生成下一帧的目标概率分布图,在目标概率分布图上运用尺度空间粒子滤波器,来估计多尺度规范化Laplacian滤波函数的极值,从而实现目标的定位。通过在真实序列上与现有算法的对比,表明了此算法不仅可以适应目标的色彩和明暗变化,而且能更准确地描述目标的大小,显著提高跟踪的精度。     

基于神经网络的雷达抗转发式距离欺骗干扰方法

为实现雷达抗转发距离欺骗干扰,提出了一种基于神经网络和模式识别技术的目标与干扰的识别方法。该方法将抗干扰过程看作对目标和干扰进行识别的过程,利用干扰信号和目标的能量差别与起伏特性差异,确定出用于分类的特征因子,使该特征因子受信干比的影响远小于用传统检测方法时的影响,最后利用径向基(radialbasisfunction,RBF)神经网络进行分类。仿真结果表明,此方法在检测概率和稳定性上都优于传统方法,在信干比接近于零的情况下尤为明显。     

基于容积卡尔曼的粒子PHD多目标跟踪算法

标准粒子概率假设密度(standard particle probability hypothesis density, SP-PHD)滤波在预测粒子状态时没有考虑最新的观测信息,因而存在估计精度较低、粒子退化严重的问题,针对上述问题,提出基于容积卡尔曼的粒子概率假设密度(cubature Kalman particle probability hypothesis density, CP-PHD)滤波算法,该算法基于球面-径向容积数值积分准则,利用容积卡尔曼滤波(cubature Kalman filter, CKF)产生建议密度函数,并对其进行采样得到当前时刻的粒子状态,从而使粒子分布更接近于真实的多目标后验概率密度函数。同时,CP-PHD算法性能不受目标状态维数影响,与无迹卡尔曼粒子概率假设密度(unscented Kalman particle probability hypothesis density, UP-PHD)滤波相比,具有更强适应性和更好的跟踪性能。实验结果表明,CP-PHD算法的跟踪精度优于SP-PHD和UP-PHD。     

船舶组合导航自适应迭代粒子滤波方法及应用

针对多传感器观测信息较多、粒子采样效率较低的问题,提出了一种自适应迭代粒子滤波(adaptive iterated particle filter, AIPF)算法并应用于船舶全球定位系统/惯性导航系统组合导航系统。首先通过粒子滤波自身迭代进行其重要性密度函数的更新。其次,采用自适应退火参数的模拟退火算法,使当前量测量能够快速进入到采样过程,进而大大提高了采样效率。最后,进行了仿真对比计算以及实船试验,结果表明,AIPF算法不仅可以提供精度较高的导航精度,而且增强了滤波性能。     

SAR场景图像中车辆目标的自动识别

提出一种在合成孔径雷达(synthetic aperture radar,SAR)场景图像中进行自动目标识别的方法,并针对识别流程中分类阶段对目标方位角敏感的问题,基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的非线性相关滤波器。该滤波器使用特征向量降低对训练图像的依赖性,并将特征空间进行非线性扩展,大大提高了目标的正确分类率,同时利用核函数避免了因为高维矢量而造成的计算问题。MSTAR实测SAR图像数据的实验结果表明,方法切实有效,所提出的滤波器对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角就能够实现高效率、高准确率的目标分类。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于多智能体导航的高超飞行器信息融合方法

精确导航技术是高超飞行器(hypersonic vehicle, HV)充分发挥威力的关键所在。然而,高马赫数和强机动性致使HV的导航系统误差及其观测噪声无法准确描述,制约着导航信息的精确性和实时性。为及时获取高精度导航信息,设计基于集员框架的卡尔曼滤波算法。一方面采用多智能体分布式协同探测,形成观测椭球交叉集合,提高了观测效率和测量精度;另一方面,通过设计两类噪声模型,求其与状态估值的最小均方误差,实现滤波增益的计算,提高算法对噪声的抗扰动能力,使状态估值达到均方误差最小。通过数字仿真,将设计方法应用到HV导航模型中,并与扩展卡尔曼滤波和集员滤波的状态估值进行比较,结果表明,提出算法在不同噪声影响下具有更高的估计精度。研究成果将为HV实现实时精确导航提供技术支持,并具有重要的理论意义和应用价值。