基于当前统计模型的机动目标自适应强跟踪算法

在当前统计模型卡尔曼滤波算法的基础上,结合升半正态形模糊分布函数特性,提出了一种加速度方差两段函数自适应调整方法,该方法能自适应逼近目标真实机动并进行准确跟踪。给出了最大加速度自调整方法,克服了模型对目标最大加速度的依赖。引入强跟踪滤波算法,增强了模型对突发机动自适应跟踪的能力。理论分析和仿真结果表明,该算法提高了机动模型和系统模式的匹配程度,增强了系统对强机动目标的跟踪能力,并保持对弱机动和非机动目标良好的跟踪性能,且具有运算量小、跟踪精度高、易于工程化实现等优点。     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

基于IMM算法的机场场面运动目标跟踪

为了实现对机场场面运动目标的精确跟踪,研究了将交互式多模型（interacting multiple model, IMM）滤波算法应用到机场场面监视雷达对运动目标的跟踪中。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后,利用无迹卡尔曼滤波(unscented Kalman filter, UKF)与IMM相结合的UKF-IMM算法对场面雷达监视的飞机的运动进行了跟踪建模,并将UKF IMM算法与基于扩展卡尔曼滤波（extended Kalmam filter, EKF）的EKF-IMM和基于当前统计模型的单模型跟踪算法进行仿真比较。结果表明,UKF-IMM跟踪算法在雷达场面跟踪方面具有更大的应用价值。     

距离速度跟踪在矢量脱靶量测量中的应用

提出了一种基于距离速度跟踪的空间目标运动轨迹提取的矢量脱靶量参数估计新方法。该方法利用发射距离高分辨信号获得较为精确的瞬时距离信息和径向速度信息,通过建立目标运动模型,采用距离速度目标跟踪定位的扩展卡尔曼滤波算法,获得目标运动的精确轨迹,利用跟踪得到的空间位置点,通过对一组线性方程求解得到矢量脱靶量参数的估计。仿真结果表明该方法可以得到满意的脱靶量估计结果。     

基于当前统计模型的机动目标自适应跟踪算法

当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差。针对这一问题,提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度。同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度。仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果。     

有连续推力控制的卫星轨道确定算法

连续推力轨道控制跟踪过程,观测量中包含推力加速度信息,反映轨道机动过程中卫星动力学的模型误差。以跟踪和精确定位空间机动目标为目的,给出基于地面雷达观测,实时估计推力加速度,修正卫星动力学模型的轨道确定算法。建立连续推力控制过程变质量动力学模型,给出常推力变加速度满足的运动学微分方程;建立变加速度估计系统状态方程和扩展卡尔曼滤波轨道确定算法;并给出连续推力控制过程中卫星运动状态关于变加速度的变分运动方程。实际飞行控制中应用表明,通过离散观测数据,实时估计连续推力变加速度,解决连续推力过程轨道精确确定问题是可行的。     

基于SCKF的光电跟瞄系统等效复合控制

由于高能激光武器独特的毁伤机理要求其光电跟踪瞄准系统的控制精度达到微弧度级,因此由跟踪目标加速度带来的跟踪误差已不可忽略。提出了一种速度与加速度前馈补偿以提高光电跟瞄系统跟踪精度的方法,推导了该系统加速度前馈补偿的误差系数。为获得高精度的目标运动要素,应用平方根容积卡尔曼滤波(square〖JP3〗 root cubature Kalman filter, SCKF)算法对目标进行滤波预测。在建立的等效复合控制系统中进行仿真实验,结果表明,基于SCKF前馈补偿方法相对于基于常用非线性卡尔曼滤波算法的前馈补偿方法,精度得到大幅提高。     

基于改进粒子滤波的光电目标跟踪算法研究

在光电目标跟踪与定位中,结合扩展卡尔曼滤波和粒子滤波的优点和目标跟踪的非线性特征,提出了一种非线性系统的基于当前统计模型的自适应扩展卡尔曼粒子滤波算法,根据光电目标的测量信息修正加速度方差,消除随机误差和噪声的干扰,提高预测的精度。通过MonteCarlo对比仿真实验表明该算法正确有效,定位精度较高,滤波效果得到改善,同时增强了稳定性,优于一般的EKF、PF和EPF算法,为光电目标的精确跟踪与定位的实现提供一种新的方法。     

一种适用于助推段弹道导弹的跟踪方法研究

弹道导弹在助推段的运动特性较为复杂,且由于各级助推器的脱落导弹的加速度存在突变点,在导弹关机时刻的加速度突变最大,因此在跟踪时容易产生较大滤波偏差。本文主要对弹道导弹助推段的加速度特性进行了分析,选择CJ模型来描述其运动特性,采用交互式多模型(IMM)和无敏滤波(UF)算法对处于助推段的弹道目标进行跟踪。由仿真结果可以看出本文所提出的基于CJ模型和CA模型组合的IMM-UF跟踪方法可以较好地实现对助推段弹道导弹的跟踪。同时通过模型集合中各模型的概率变化情况可以很好地完成对导弹关机时刻的判定,这为后续尽早定轨和轨道预报等提供了前提。该算法结构简单实现稳定,具有较好的工程应用价值。     

机动运动辐射源的单站无源定位自适应算法

利用目标到达角(DOA)和到达时间(TOA)作为测量数据,采用最优加权最小二乘估计和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,通过加速度方差对滤波增益的修正,完成机动加速度方差自适应算法,实现了对机动目标进行单站无源定位与跟踪的方法.计算机仿真验证了算法的有效性和可行性,证明该方法在无源定位系统中有一定的参考价值.     

基于卡尔曼滤波的组网雷达系统目标跟踪分析

提出了一种快速卡尔曼滤波跟踪算法,用于组网雷达系统对机动目标的跟踪分析.该算法只需要组网雷达系统给数据处理中心提供每个接收机所测得的准确径向距离,然后根据推广卡尔曼滤波技术迭代估算出目标的位置.对机动目标的仿真结果表明,该算法不但大大减小了传统跟踪算法的运算复杂度而且具有优良的跟踪性能,尤其适用于近距离高速运动目标的准确跟踪.     

多站雷达中机动目标高精度跟踪分析

在快速卡尔曼滤波跟踪算法的基础上,提出了一种机动目标位置和速度的高精度卡尔曼滤波算法,用于仅提供距离和测量的多站雷达系统对机动目标的高精度定位和高精度测速。多站雷达系统提供给数据处理中心的距离和信息,通过滤波迭代算法估算出目标的位置和速度。对机动目标的仿真实验结果表明,该算法不仅改善了以前文献中目标位置的定位精度,而且对目标速度也同样具有优良的测量性能。     

基于自适应滤波的高超声速滑翔目标三维跟踪算法

针对临近空间高超声速滑翔飞行器机动模式复杂,单一运动学模型难以完成三维跟踪的问题,提出一种三维跟踪方法.将飞行器机动弹道分为纵向和横向弹道,根据飞行器机动特性,在纵向上将加速度建模为零均值的二阶时间自相关随机过程,在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple mode...     

基于交互式多模型算法跟踪临近空间目标

由于目前机动目标模型越来越向模块化、并行计算的方向发展,对目前算法计算效率提出了更高的要求。对于临近空间超声速机动目标一般采用多种机动模型跟踪,单一模型已经很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合的交互式多模型（interacting multiple model, IMM）算法,这种算法特点与临近空间目标高速、高机动特性相适应。同时考虑到扩展卡尔曼滤波 (extended Kalman filter, EKF) 算法对强非线性对象滤波效果不好, 无迹卡尔曼滤波(unscented Kalman filter, UKF)算法对于此类问题,可以很好地加以解决。仿真对比试验表明,交互式多模型〖CD*2〗无迹卡尔曼滤波(interacting multiple model unscented Kalman filter, IMM UKF)算法优于单一模型EKF算法。     

考虑雷达导引头前馈补偿的一体化制导方法

针对大机动目标使空空导弹雷达导引头跟踪误差加大和制导精度下降的问题,提出了一种考虑雷达导引头前馈补偿的一体化制导方法。针对机动目标,构造视线角速度前馈补偿回路,对雷达导引头角跟踪系统进行补偿,提高导引头响应速度,降低跟踪误差角。基于视线坐标系设计一体化制导算法,采用卡尔曼滤波器对弹目视线角速度和目标加速度进行估计,将视线角速度信息前馈补偿到导引头跟踪回路中,将目标加速度信息补偿到最优制导律中,同时实现雷达导引头视线角快速跟踪和最优制导律制导信息提取。仿真结果表明,一体化制导算法可同时实现对导引头视线角速度和目标机动的估计,从而提高制导精度。     

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 ,所提出的预测滤波算法具有优良的估计性能     

基于"当前"统计模型的模糊自适应跟踪算法

“当前”统计模型需要预先设定目标最大机动加速度，不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度，自适应各种机动情况。此外，针对多数传感器测量方程的非线性，采用性能较好的Unscented Kalman Filter代替常用的扩展卡尔曼滤波。仿真结果表明，该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。     

Neural fuzzy inference network approach to maneuvering target tracking

In target tracking study, the fast target maneuver detecting and highly accurate tracking are very important.And it is difficult to be solved. For the radar/infrared image fused tracking system, a extend Kalman filter combines with a neural fuzzy inference network to be used in maneuvering target tracking. The features related to the target maneuver are extracted from radar, infrared measurements and outputs of tracking filter, and are sent into the neural fuzzy inference network as inputs firstly, and then the target's maneuver inputs are estimated, so that, the accurate tracking is achieved. The simulation results indicate that the new method is valuable for maneuvering target tracking.