基于UKF的机动目标跟踪处理方法

提出了基于UKF的机动目标跟踪处理方法,能有效抑制动力学模型非线性和观测模型非线性带来的模型误差。和传统EKF滤波方法相比,该方法不仅避免了截断误差造成的滤波发散,而且避免了求解雅克比矩阵,简化计算流程,可以模块化处理,非常适合工程实现。仿真实验表明,当目标呈现明显非线性特征并且大机动运动时,该方法可以有效确定目标轨迹,实现高精度目标跟踪。     

机动目标有偏观测的主从融合算法

多传感器组网系统中,分立传感器之间存在着时空基准上的差异,即使经过校准,仍然会不同程度地残存系统误差。在这种有偏观测环境中,传统的异步序贯融合算法会出现显著的性能退化。针对上述问题,该文提出有偏观测下的主从融合算法。系统误差对目标位置估计的影响显著,而对速度估计的影响并不明显。因此,新算法采用主从两级结构,应用不同策略对位置和速度的估计分别处理,通过从滤波器的速度融合,为主滤波器的状态估计提供参考信息,以改善估计的性能。仿真结果表明:主从融合算法能够更有效地调和平滑度和机动跟踪能力的矛盾,可显著提高对目标速度估计的精度,改善对机动目标的跟踪性能。     

一种顾及随机误差的地面三维激光扫描仪自检校方法

系统误差作为点云数据中的非随机项,使得扫描结果具有累积作用,对结果质量的影响尤为显著。因此,提出一种地面三维激光扫描仪系统误差自检校方法,该方法同时考虑了系统误差和随机误差对扫描结果的影响。在随机模型方面,基于测角和测距精度对观测值进行加权,并利用方差分量估计理论实现不同类型观测值的后验估计。仿真实验和实测数据验证表明,该方法能有效提高未知参数的解算精度,且经过系统误差和随机误差改正后,可获得更接近真实值的目标坐标,相较于常规自检校方法具有更高的准确性和精度。     

导弹积分反步制导控制一体化设计

制导控制一体化设计响应快、时延小,能充分考虑制导与控制间的耦合关系,但具有对象模型阶数高、鲁棒性差等特点.借用PI控制思想,将积分控制引入反步控制,设计基于积分反步方法的制导控制一体化算法,增强系统的抗干扰能力,实现对零视线角速率指令的高精度跟踪;通过构造高阶滑模微分器,观测反步控制中所需的视线角高阶微分信息,同时保证观测值对于真值的收敛速度和精度;设计基于浸入与不变的估计器估计目标机动信息,消除目标机动在拦截目标时对脱靶量的影响.仿真结果表明所设计的制导控制一体化算法可以实现导弹对目标的碰撞拦截,抑制目标机动带来的不利干扰,提高系统的鲁棒性.      

光电跟踪平台脱靶量滞后补偿方法

针对光电跟踪平台在跟踪目标时存在脱靶量滞后的问题,设计了一种基于非线性跟踪微分器和机动目标"当前"统计模型的滞后补偿方法。根据光电跟踪平台中目标脱靶量的产生机理,将脱靶量滞后等效为纯延迟环节和采样保持环节的串联,利用非线性跟踪微分器得到滞后脱靶量的跟踪信号及其微分信号。在此基础上,采取直接预测补偿法处理延迟环节,从而估计出不含延迟的脱靶量信号,并利用滞后脱靶量和跟踪信号的间距自适应调整非线性跟踪微分器的参数。根据机动目标的"当前"统计模型建立离散状态方程,采用修正的瑞利分布描述目标加速度的"当前"概率密度,从而估计在采样保持阶段的目标脱靶量,实现对采样保持环节的补偿。实验结果表明:所提方法将单位阶跃响应的超调量由基于自适应最小均方差补偿方法及基于卡尔曼滤波补偿方法的19.4%和13.7%降低至2.5%;所提方法能有效补偿延迟环节和采样保持环节,提高光电跟踪平台的目标跟踪精度。     

自适应模型集交互式多模型算法

针对交互式多模型(IMM)算法的目标跟踪精度问题,提出了一种自适应模型集IMM算法.利用IMM算法中的模型概率含义,并以此对模型集的收缩比例因子进行设计,这样模型集通过向中心模型收敛可完成自适应调整,而自适应调整过程能有效、实时地利用观测信息.仿真实验结果表明,所提算法能有效跟踪机动目标,而且比IMM算法的跟踪精度更高,但其受到目标机动模型的先验性的限制.     

基于输入估计的机动目标跟踪方法

机动目标跟踪方法有变维滤波、输入估计和交互式多模等方法。由于输入估计法采用常速模型作为状态方程对目标进行滤波跟踪,避免了模型集设计而成为研究的热点,但传统输入估计方法跟踪机动目标时存在机动检测时延较长和估计精度不高的缺点。针对这些问题,对输入估计算法进行了改进。采用变检测窗长度提高机动检测的响应速度,通过对检测窗内信息序列的修正显著提高了估计精度。仿真结果表明所提出的算法比原有算法的跟踪性能有显著提高,且对加速度随时间变化的机动也有一定的跟踪性能。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

BDS卫星天线相位偏差对PPP法估计ZTD的影响

为详细分析不同的BDS卫星的天线相位偏差模型差异性及其对ZTD估计的影响,分别采用MGEX模型和ESA模型改正天线相位偏差,利用PPP法处理8个MGEX站观测数据估计ZTD.以PPP法获得的GPS ZTD为参考值,实验结果表明:采用现有天线相位偏差改正模型能提高BDS ZTD估计精度;与MGEX模型相比,ESA模型能更有效的减小系统偏差,提高内、外符合精度;固定测站坐标能显著减小ZTD估值的系统偏差,提高外符合精度.因此,推荐采用ESA模型改正BDS卫星天线相位偏差.     

一种自适应跟踪滤波方法

本文针对防空系统中警戒雷达的跟踪滤波问题,采用了一种以目标飞行的航向角作为模型参数的卡尔曼滤波器。通过对航向角的实时估计,模型在目标机动或非机动的情况下、均能与目标的运动相适应。本文对航向角的估计提出了一种新的估计方法。使用该方法,航向角的估值在任何情况下都有较高的精度,从而使滤波器能较好地跟踪各种机动目标。     

一种新的多机动目标跟踪的GMPHD滤波算法

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.     

基于多模型与滚动时域估计的机动目标跟踪算法

针对受限于已知物理约束的机动目标,提出了一种目标跟踪算法。针对机动目标的不同运动模式,采用多模型组合的方法进行了近似;针对目标的已知物理约束,采用滚动时域估计方法进行处理,并将其作为状态估计的先验信息来提高估计精度;最终通过设计多模型结构的状态估计演化方程、改进滚动时域估计的误差协方差矩阵更新公式,给出了一种多模型结构与滚动时域估计相结合的机动目标跟踪算法。仿真结果表明:该算法与自适应卡尔曼滤波(AKF)、交互式多模型(IMM)算法相比,可以对具有物理约束的机动目标进行更好的跟踪。     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

粒子滤波在电子航标节点跟踪中的应用

提出一种高斯粒子滤波求解基于RSSI测距定位的无线传感器网络电子航标节点定位的非线性方程组算法.该算法在每次递推产生新的粒子时充分考虑了当前时刻的量测,使得该算法能很好地利用最新的量测信息.仿真结果表明该算法的节点估计均方误差在3 m以内.可见,它在解决非线性机动目标跟踪问题时有比较好的跟踪性能和滤波结果     

自然地表测距残差对激光测高系统的在轨检校

针对星载激光测高系统,提出一种基于自然地物表面测距残差分析的星载激光测高仪系统误差的在轨检校方法,该方法在已知地表先验模型的前提下推导出测距模型,根据推导的测距模型利用测距残差分析,对激光指向角误差及测距误差进行检校.相较于海洋扫描的测距残差分析方法,该方法利用了残差分析进行检校,但检校场不再局限于平静的海面,且避免了姿态机动;相较于自然地物表面的检校方法,利用了自然地物表面作为检校场,建立的误差模型更直观地反映出激光指向角对测距值的影响.仿真结果表明:该方法能较好地对激光指向角误差及测距误差进行检校,使假定系统误差值与系统误差检校值的偏差值优于12%.     

基于GNSS-A的海底目标高精度定位算法研究

为提高海底目标垂直方向的定位精度,在分析全球导航卫星/声学定位（Global Navigation Satellite System-Acoustic,GNSS-A）基本原理的基础上,提出基于动态观测的海底目标声学定位算法。针对动态观测中产生的双程传播时延问题,将其发射和接收过程分别考虑,并利用最小二乘（Least Squares,LS）法解算圆形对称观测数据,消除绝大部分系统误差和粗差对水平定位精度的影响;结合水平解算结果、高精度声学测距信息和实测声速剖面信息,开展声线跟踪（Sound Ray Tracking,SRT）并构造迭代,进一步减弱垂直方向误差,提高海底目标点的垂直定位精度。南海实验证明,采用本文方法可以有效减小声速误差对测距精度的影响,明显提高海底目标在垂直方向上的定位精度。     

中央差分多模型算法在蛇形机动目标跟踪问题中的应用

将中央差分卡尔曼滤波算法整合融入多模型算法,提出一类中央差分多模型算法并将其应用于典型的非线性跟踪问题,针对蛇形机动目标进行仿真验证。结果表明,和经典非线性多模型滤波器相比,该算法具有更高的估计精度和更快的收敛速度,且计算量适中,易于实现实时跟踪。     

一种改进的变结构交互多模型被动跟踪算法

针对干扰环境下跟踪机动目标时常常无法获得距离信息的问题,提出了一种新的被动跟踪算法对目标进行精确的跟踪定位。算法针对被动跟踪中状态与量测之间存在的非线性关系,首先采用最小二乘原理对角度量测进行预处理,然后以预处理结果作为输入,进行交互多模型滤波,从而减小非线性量测方程的线性化过程带来的误差。然而,交互多模型滤波中所采用的固定结构模型集并不能保证跟踪精度,为解决这一问题,算法引入序列似然比检测对模型集进行调整,使模型对不同的目标机动模式有更强的自适应能力,从而减小模型之间的竞争,确保跟踪效果。为了验证新算法的有效性,在相同实验条件下,用2种算法分别对同一设定轨迹进行仿真估计,结果表明,新算法可以进一步提高跟踪精度。     

一种基于EKF的WSN目标跟踪改进算法

在目标跟踪领域,无线传感器网络有着广泛的应用。针对EKF算法非线性目标跟踪中存在的问题,在EKF算法的基础上引入RSSI测距加权质心算法,从而提出了一种新的非线性目标跟踪算法,将节点的观测值与RSSI测距加权质心算法对目标的定位值有效的结合运用于EKF算法中,有效地提高了目标跟踪的精度,减小了跟踪误差。通过算法仿真可知,与几种定位算法及非线性滤波算法相比,改进算法在各方面均取得了良好的效果,并且具有较高的实时性。     

机动目标跟踪的S修正无迹卡尔曼滤波算法

针对非线性观测条件下的非线性机动目标跟踪问题,借鉴线性滤波中卡尔曼滤波器的S修正防发散思想,对基本无迹卡尔曼滤波算法进行改进,提出S修正无迹卡尔曼滤波(SUKF)方法.对二维机动目标跟踪的仿真结果表明,该算法与基本UKF算法相比,跟踪精度大幅提高,但计算时间略有增加;与SPPF算法相比,跟踪精度提高,且计算复杂度大幅降低,计算时间大幅缩减.