一种基于改进型KALMAN滤波器的目标定位算法

在以常规卡尔曼滤波器为基础的各种跟踪算法中，要求精确的模型和噪声统计，但在实际系统中，大多数情况不能满足上述要求。给出了考虑初始条件下不精确性的改进型Kalman滤波器表达式，并在引入速度量测信息的基础上，运用该滤波方法进行空间目标二维定位。Mnte Carlo仿真表明该方法降低了对模型精度的要求，在工程上是可行的。     

基于强跟踪滤波的天基测角卫星定位算法

在天基仅测角卫星定轨扩展卡尔曼算法(EKF)中,EKF关于模型不确定性的鲁棒性较差,造成滤波器估计不准,甚至发散。提出一种带次优渐消因子的扩展卡尔曼滤波(SFEKF)定轨方法,利用渐消因子对过去的数据进行渐消,减小了模型的截断误差,提高了滤波的收敛速度和对卫星的跟踪能力。仿真结果表明,与EKF定轨方法相比,SFEKF方法具有更高的定轨精度、稳定性和收敛速度。     

天基无源方式空间目标定位跟踪算法的实现

针对空间目标定位跟踪会因受到天气、地域和时间等因素的影响而导致跟踪精度下降、滤波不稳定的问题,采用天基无源方式对空间目标进行观测、定位和跟踪;依靠光电传感器的被动测角和针对无线电信号的侦察截获;通过天基观测站获取角度量测信息,建立仅测角无源跟踪状态方程和量测方程,再分别通过EKF、UKF和SCKF三种卡尔曼滤波算法对角度量测信息进行滤波估计从而实现对空间目标的实时跟踪。仿真结果表明,天基无源方式空间目标定位跟踪算法具有精度高、滤波稳定的优点,EKF、UKF、SCKF三种滤波算法均能实现对空间目标的实时跟踪,其中以SCKF效果最佳,验证了天基无源方式空间目标定位跟踪算法的有效可行性,对军事应用具有极大意义。     

雷达低仰角目标跟踪的测角误差实时补偿算法

为提高雷达对低空目标的跟踪精度, 提出了一种基于渐消记忆递推最小二乘法的测角误差实时估计算法。 该算法利用不同设备同时对目标进行跟踪, 得到不同的观测结果。 利用渐消记忆递推最小二乘法对不同的观测结果进行处理, 赋予不同的权值, 得到最终的测角误差估计值。 通过理论分析, 构建多径环境模型, 对该算法的效能进行验证。 仿真结果表明, 由该方法得到的测角误差估计结果估计误差小, 同时可有效减小测角误差的抖动, 得到稳定的测角误差估计结果。     

柔性支撑三维机动目标的解耦跟踪预测算法

为了克服因忽略各自由度的耦合本质而引入的预测误差,基于并联机构学原理,提出了一种柔性支撑三维机动目标跟踪预测算法.该算法将运动目标假定为6自由度并联机器人的末端执行器,在其解耦的关节空间进行驱动支链长度的预测,通过并联机器人位置正解得出目标在将来时刻的位姿.针对500 m口径球面射电望远镜馈源支撑与指向系统的两级复合控制模型进行数值仿真,结果表明,与传统预测方法相比,该预测算法的精度提高了一倍,运算时间为亚毫秒数量级.     

用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法

针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.     

空基多平台多传感器机动目标自适应跟踪

在空战中，需要基于空中移动平台对机动目标进行自适应跟踪．由于机动目标“当前”统计模型符合实际目标的动力特征，所以文中基于该模型，针对空基多平台多传感器环境，推导了机动目标跟踪的状态方程和测量方程，并给出了机动目标自适应跟踪算法．Monte—Carlo仿真表明，该方法能有效地估计出机动目标的运动状态．     

MEM模型在多传感器多目标无源定位与跟踪中的应用

针对多传感器机动多目标无源定位问题的目标数量多、定位难的特点,采用复合弹性系数神经网络模型对该问题进行建模,并进行组合优化,以期能利用多个传感器较准确地对多个机动目标进行无源定位与跟踪。仿真结果表明该模型能有效地锁定真实目标,当多个目标较分散或较集中时,该模型仍能有效锁定和跟踪。     

基于PHD的多扩展目标联合检测、跟踪与分类算法

针对杂波和噪声背景下空间距离较近的扩展目标数目和状态难以估计的问题,提出了基于扩展目标概率假设密度滤波器(ET-PHD)的多目标联合检测、跟踪与分类算法,并给出了该算法基于粒子滤波的实现方法.算法在滤波器中引入了属性量测信息,预测阶段的粒子按照其类别进行传播,更新阶段对所有粒子进行联合更新,更新结束后将粒子按照类别进行分类,各类别的粒子集表示了其相应类别目标的PHD分布.该算法具有模块化结构,计算复杂度为O(mn).数值仿真场景包含两类扩展目标并行运动和两类扩展目标交叉运动.结果表明,该算法可以同时估计扩展目标的类别、数目和状态,并且平均最优次模式分配距离相比传统算法的降低幅度超过50%.     

适于无源阵列跟踪的粒子滤波交互多模型算法

针对无源阵列被动跟踪效果较差的问题,融合交互式多模型和粒子滤波方法,提出了一种基于粒子滤波的交互多模型(IMM-PF)算法。该算法采用多模型结构跟踪目标的任意机动;各模型采用粒子滤波算法处理非线性、非高斯问题。各模型中相对固定数目的粒子群经过相互交互、粒子滤波后再进行重抽样以减少滤波退化现象。在交互阶段,对各模型的相应粒子进行输入交互;在滤波阶段,抽取N个采样点,得到估计采样,从而求得估计输出和有关函数;在混合阶段,获得状态向量的后验条件概率密度函数,通过这个后验概率密度便可获得状态向量的估计量。与典型的交互式多模型算法(IMM-KF)进行了比较,计算机仿真结果证实了本文新算法的正确性和有效性。     

红外小目标检测与跟踪方法研究

复杂背景中小目标的检测与跟踪一直是监视和告警系统的重要组成部分,综合该领域近年来的研究成果,从空间滤波和时间滤波的角度对现有的红外小目标检测方法进行了简单的概述,并分析了今后的研究方向。     

人体运动目标检测与跟踪系统设计及算法仿真实现

在人体运动目标检测部分,根据室内监控的特点,提出了先采用统计平均法获取室内背景,然后选用背景减除法对运动目标进行检测,接着利用改进的区域增长法对属于同一目标的像素区域进行合并,判断并提取人体目标。在人体跟踪部分,使用卡尔曼滤波器预测目标参数,再根据预测参数跟踪人体目标,得到行人的运动轨迹。利用Matlab/Simulink对整个系统进行建模仿真,并不断修正算法的参数。通过室内实际采集的几个视频序列进行试验,该算法能够正确地检测并且跟踪运动的人体。     

二维和三维空间下各向同性纳米永磁晶粒的剩磁增强效应

纳米永磁晶粒之间的交换耦合相互作用导致在晶界处形成一种类磁畴壁结构的过渡区域.最简单的类磁畴结构--线性磁矩分布,可以给出一维、二维和三维空间中过渡区的宽度、剩磁的解析公式,并很好地解释在各向同性纳米永磁体中观察到的剩磁增强效应,结果与实验值相当吻合.     

基于光流技术的运动目标检测和跟踪方法研究

光流技术作为一种重要的二维运动估计技术,在运动目标检测和跟踪中有着重要的作用.为了更好地将光流技术运用到实时的运动目标检测和跟踪系统中,针对微分光流信息量丰富但计算量大、特征光流计算量小但信息量不足的现状,提出了一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪.通过对图像序列取700个样本点的仿真实验表明,该方法帧间处理时间基本小于100ms,同时基本解决了信息量和计算量的矛盾.     

多无人系统跟踪与编队的自主式预测控制算法

针对多无人系统的跟踪与编队问题,考虑跟踪与编队控制目标存在不一致及不可实现的情况,综合目标规划与预测控制方法,设计了一种确保控制目标一致且可实现的自主式预测控制算法.首先根据给定的跟踪与编队控制目标,通过为各无人系统引入规划控制目标,对目标代价函数进行重新设计,解决跟踪与编队控制目标不一致问题;然后对引入的规划目标进行约束设计,保证其具有可实现性;其次为各无人系统设计预测控制终端约束集,进一步保证对规划控制目标的收敛性;最后对重新设计的目标代价函数与相关约束进行整合,为各人系统构造独立的控制优化问题,并给出相应的自主控制实施算法,将不一致、不可实现的跟踪与编队控制目标规划出一致、可实现的控制目标.针对为各无人系统所构造的控制优化问题,进一步将其描述为线性矩阵不等式形式,并通过MATLAB求解仿真,验证了所提出的自主预测控制算法的有效性.     

基于稀疏采样的调频率估计与多目标ISAR成像

针对目前多目标成像中关于信号调频斜率估计的算法存在着采样频率过大,以及短时条件下精度不高的问题,结合压缩感知理论,提出了一种基于稀疏采样的回波信号调频率估计与多目标ISAR成像方法。首先,根据目标回波信号的特点构造超完备稀疏基,将信号投影到该稀疏基上,利用高斯随机矩阵对分解后的信号进行欠采样,采用FOCUSS稀疏重构算法,精确提取出信号的调频斜率;然后,利用估计出的调频斜率对多目标回波信号中各个目标的回波分量进行分离和补偿;最后,基于稀疏采样对各个单目标分别进行成像。仿真实验验证了该方法的可行性和有效性。