时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

高超声速再入飞行器轨迹优化算法评估策略

针对高超声速再入飞行器轨迹优化算法种类多样、决策者难以优选的问题,提出了一种轨迹优化算法综合评估策略。该策略首先对算法本身的稳定性、实时性以及优化结果的可行性、安全性、过渡性、最优性等性能进行指标建模,建立优化算法综合评估指标体系;然后基于层次分析法中的两两比较判断矩阵,以欧氏距离与违例次数为精度衡量依据,将指标权重的计算转化为一类优化问题并利用遗传算法求解;之后计算加权规范化决策矩阵,综合算法数据与理想对照组在空间距离与曲线形状两方面的贴近度,提出一种灰色逼近理想解排序加权法,最终完成评估分析过程。仿真结果表明:该策略以客观数据的形式实现了轨迹优化算法的性能量化,形成了不同算法之间统一的对比评估标准,能够帮助决策者快速遴选出适合任务需求的最优算法,避免了过程中的盲目性与主观性。