非均匀稀疏采样环境自适应α-β滤波算法

针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法.算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法.实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现.     

基于模糊自适应α-β滤波的机动目标跟踪

针对机动目标的运动特点,提出了一种基于模糊自适应的α-β滤波新算法.算法首先详细分析了目标航向角和观测残差与目标机动的关系,提出综合利用航向角变化量和残差作为模糊逻辑输入变量来调整滤波器参数,且根据实际的机动目标跟踪情况,给出一种有效的模糊逻辑规则设计方法.实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,可工程实现.     

基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器

针对传统α-β-γ滤波器抗野值能力差和受跟踪精度与收敛速度之间的矛盾以及系数固定的影响而难以跟踪强机动性目标的局限性,设计了一种基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器。该滤波器通过判断α-β-γ滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值,采用活化函数对新息序列进行加权修正,利用活化函数的性质,恢复新息序列原有的统计特性和正交性,从而达到抗野值的目的。同时,根据目标机动性的变化,利用跟踪误差调整模糊集系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。计算机仿真结果表明,在满足所要求精度的前提下,该算法可以克服传统算法的局限性,解决野值剔除问题,并有效跟踪强机动性目标。     

α-β滤波器的仿真程序

α-β滤波器已有大量的文献进行了分析和研究。由于它的简单性和实用性,至今仍盛行不衰,虽然更完善的滤波技术已经出现。本文旨在介绍一个简明的α-β滤波仿真程序,只要输入已选定的α,β参数,采样周     

一种新的常增益机动目标跟踪方法：α-β-γ-δ模型

针对目前机动目标跟踪的Jerk模型存在计算复杂度高的不足,同时受α-β-γ模型的启发,提出了一种基于Jerk模型的常增益跟踪算法:α-β-γ-δ模型,并根据时常系统的状态估计协方差在一定条件下将收敛到一个稳态值这一性质,从理论上推导出了上述新模型申α、β、γ和δ的计算公式.仿真结果表明,该算法的滤波精度比α-β-γ滤波算法高,且运算量远远小于Jerk模型算法.     

基于交互多模型的分组δ-广义标签多伯努利算法

为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。     

α-β滤波器和复合控制

通过对复合控制在α-β滤波器中应用原理的分析,得出了在四维跟踪雷达系统中,距离跟踪回路可利用速度跟踪回路测量结果应用复合控制方法来减少跟踪高加速度目标时产生的动态滞后误差的重要结论,并提出了工程实现方法和应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。实验数据表明,这种方法对于四维跟踪雷达是否需要利用测速回路输出改善测距回路性能具有重要的参考意义。     

有限方案多目标决策问题β-较重有效解与β-较重最优解的求解方法

描述了多目标决策β－较重有效解与β－较重最优解的涵义。针对决策方案个数为有限的多目标决策问题,提出了有效等价点集的概念,并给出了通过有效等价点集求解β－较重有效解与β－较重最优解的过程。     

一种带加速度补偿的H∞次优滤波目标跟踪算法

提出一种带加速度补偿的H∞次优滤波跟踪算法。该跟踪算法通过不断调整H∞滤波器的参数γ来逼近H∞最优滤波器。同时,引入一个加速度估计器和一个机动检测器,加速度估计器通过目标最近三点的位置来估计目标当前加速度值,机动检测器用来检测目标是否机动,当检测到目标机动时,则启动加速度估计器计算加速度,并利用该值对目标状态估计值进行补偿。从而使得该跟踪算法不仅对目标机动具有鲁棒性,而且所得到得估计误差方法最小。仿真结果表明,所提出的目标跟踪算法对高机动目标有良好的跟踪效果。     

参数不确定的非线性随机时滞系统的H∞滤波

研究了一类带有参数不确定性的非线性随机时滞系统的鲁棒H∞滤波问题.假设参数不确定性是范数有界的并且系统的动态方程是由伊藤微分方程所描述的.对所有容许的参数不确定性以及外界干扰,构造一个线性、无时滞、不确定性及独立的状态滤波器,使滤波误差动态系统是指数均值稳定并且独立于时滞的.针对单时滞系统和多时滞系统两种情况,基于线性矩阵不等式(LMI)方法给出了保证鲁棒H∞滤波存在的充分性条件.最后,数值仿真结果很好地说明了该方法的有效性.     

机动目标跟踪的斯-厄米特粒子滤波算法

闪烁噪声环境下的机动目标跟踪实质上是一个非线性非高斯系统滤波问题,为了提高跟踪精度,应用高斯-厄米特滤波方法来产生粒子滤波器(PF)的重要密度函数,解决了PF算法的粒子退化问题,并给出了基于高斯-厄米特粒子滤波器(GHPF)的闪烁噪声机动目标跟踪算法。仿真结果表明,各种PF算法对闪烁噪声机动目标的跟踪精度远远好于卡尔曼滤波方法;同时GHPF不仅提高了估计精度,而且减少了粒子数目,降低了算法的复杂度,因此其综合性能要好于其他PF算法,具有较高的跟踪精度和较好的实时性。     

多特征融合的尺度自适应相关滤波跟踪算法

针对传统的核相关滤波跟踪算法特征表达不足且不能解决尺度变化导致的跟踪失败问题,提出了一种多特征融合的尺度自适应相关滤波跟踪算法。首先,在位置预测阶段,利用Hue和梯度方向直方图两种特征和各自的位置滤波器作用得到的输出响应值,自适应分配权重实现目标位置的预测。其次,在尺度预测阶段,通过在目标位置采集多尺度图像,组成样本独立训练尺度滤波器,并根据样本的尺度滤波响应值,对目标的尺度进行估计,使跟踪算法能够适应目标的尺度变化。最后利用两帧图像间的差异性,自适应调整学习率,进行位置滤波器的更新。实验结果表明,改进算法相较于传统的核相关滤波跟踪算法,在跟踪成功率和跟踪精度上分别提高了25%和13%。当目标尺度变化较大时,改进算法仍能稳定跟踪。     

不确定离散时滞系统的鲁棒滤波与仿真

研究了一类不确定离散时滞系统的鲁棒滤波问题,其中不确定性存在于系统的状态矩阵和输入矩阵当中,且满足范数有界条件.对于所有容许的参数不确定性,构造一个线性滤波器,使得滤波误差系统渐近稳定且满足一定的性能指标.给出了滤波器存在的充分条件,并通过矩阵变换得到了设计滤波器的LMI方法.为了使得滤波器具有良好的稳态性能,本文考虑了LMI的优化问题.通过求解一组LMI,可以得到最优滤波器.最后,仿真结果很好地说明了本文方法的有效性.     

不确定离散时滞系统的鲁棒H∞滤波与仿真

研究了一类不确定离散时滞系统的鲁棒H∞滤波问题，其中不确定性存在于系统的状态矩阵和输入矩阵当中，且满足范数有界条件，对于所有容许的参数不确定性，构造一个线性滤波器，使得滤波误差系统渐近稳定且满足一定的H∞性能指标，给出了滤波器存在的充分条件，并通过矩阵变换得到了设计滤波器的LMI方法。 为了使得滤波器具有良好的稳态性能，本文考虑了LMI的优化问题。通过求解一组LMI，可以得到最优滤波器。最后，仿真结果很好地说明了本文方法的有效性。     

基于随机集理论的模糊观测多目标跟踪方法

为解决传感器观测数据具有不确定性和模糊性的多目标跟踪问题, 首先给出了模糊观测的随机子集表示及其似然函数构造方法; 然后利用所构造的似然函数, 并结合概率假设密度(PHD)滤波器来实现模糊观测的多目标跟踪. 仿真结果显示, 标准PHD滤波器在模糊观测下会出现目标数目估计不准确的问题. 针对这一问题, 在分析了该问题产生原因的基础上, 通过改进PHD滤波器的更新过程, 提出了一种单量测独立更新的PHD滤波方法. 仿真结果表明, 在模糊观测下, 改进算法能得到比标准PHD滤波方法更准确的目标数目估计和更高的跟踪精度.     

变后掠翼航弹最优弹道自适应滑模跟踪控制

根据变后掠翼航弹在预定弹翼构型下对最优方案弹道跟踪的精确性和鲁棒性要求,设计了一种轨迹姿态双回路自适应滑模控制器。外环轨迹跟踪回路以位置偏差为参考输入,得到方案攻角参考指令,同时基于Lyapunov稳定性理论给出外环滑模收敛的充分条件;内环姿态跟踪回路则设计了参数自适应律,抑制由后掠角引起的时变参数摄动,同时生成舵偏控制指令,以实现对姿态的跟踪控制。仿真对比结果表明,该自适应滑模控制器在有效消除参数不确定性影响的同时保证了变后掠翼航弹在弹翼预定作动时对最优方案弹道跟踪的稳定性,并且消除了常规滑模控制的抖振现象。     

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。     

含有跳变参数的中立系统的鲁棒保性能滤波

对一类含有马尔可夫跳变参数的中立系统研究了鲁棒保性能滤波问题。系统中含有时滞，跳变参数与不确定性。系统中的跳变参数可以通过有限状态马尔可夫过程来描述。目标是设计无记忆线性滤波器使得对所有的不确定性增广系统是时滞独立鲁棒随机稳定的，并且满足所提的保性能指标。基于随机微分方程稳定性理论，给出了线性滤波器存在的充分条件。借助一组相互关联的线性矩阵不等式，获得了鲁棒保性能的设计方法。通过求解线性矩阵不等式约束下的凸优化问题，给出了次优保性能滤波器的设计方法。     

基于SIS的不完全测量数据处理方法研究

针对单站无源定位系统目标航迹跟踪滤波中常见的测量数据不完全问题,提出了一种新的不完全测量数据处理方法。该方法采用序贯重要性采样的思想,对各种测量数据进行融合滤波。当发生部分数据缺失的情况,系统只需要通过正交投影方法将观测空间降维,而不需要改变观测模型,也不需要重新对跟踪滤波器进行初始化。仿真试验表明,该方法可以大大降低目标的跟踪丢失概率,提高系统的适应性和稳定度,具有较高的工程应用价值。     

高斯和粒子滤波器及其在被动跟踪中的应用

为提高被动跟踪性能,提出了一种高斯和粒子滤波方法。在建立目标被动跟踪模型的基础上,使用高斯和滤波(GSF)近似目标状态的后验密度,利用粒子滤波方法处理GSF中的均值和方差计算问题,推导了高斯和粒子滤波器(GSPF)应用的具体算法步骤,使用机动目标被动跟踪仿真实例,与其它滤波器进行了仿真对比,分析了跟踪性能和RMSE误差。仿真结果表明,对于机动目标被动跟踪问题,GSPF不仅具有较高的跟踪精度,而且与一般粒子滤波器相比,GSPF具有较好的跟踪稳定性和较低的计算量。