机动目标跟踪的灰色截断变维法

在灰色预测滤波和截断滤波的基础上建立了灰色截断变维法。在截断变维法中嵌入灰色预测滤波 ,用性能优越的机动检测技术为开关 ,在机动区用灰色预测滤波替代并导引截断变维滤波。该方法具有很强的自适应性和更高的滤波跟踪精度 ,其性能优于单模型有参数自适应滤波算法及多模无参数自适应滤波算法 ,同时无需任何先验的统计参数。计算机仿真表明了它的各种优越性。     

空中雷达目标的灰色预测

对空中飞机、导弹目标的航迹点的预测在作战中非常重要 ,但在数据非常有限的情况下 ,准确地预测又很困难。提出了用灰色系统理论进行飞机、导弹目标的航迹点预测的方法 ,并利用实际测得的飞机航迹点数据进行了验证 ,具有很高的精度。这种灰色预测模型对飞机、导弹目标的航迹点的预测具有重要意义。详细介绍了灰色预测方法并分析了预测误差及其实用价值。     

基于微分方程数值解的灰色预测建模

灰色预测建模方法较多,预测精度主要取决于模型参数的估计,本文给出一种新的思想,将已知的观测值看作是微分方程在不同结点(时间)处的近似解,利用微分方程数值解法推算公式,使用最小二乘法原理,让其局部截断误差的平方和最小来估计未知参数,进而建立灰色预测模型。实例表明,本方法预测精度高。     

基于GM(1,1)模型的机动目标跟踪方法研究

传统卡尔曼滤波器依赖目标运动状态的数学模型,当目标运动数学模型不精确或不能够用线性状态空间模型描述时,跟踪滤波会发散。针对这一问题,提出了一种基于GM(1,1)(Grey model)模型的跟踪卡尔曼滤波方法。在卡尔曼滤波过程中,迭代所需的预测值不再依赖所建立的目标运动状态方程,而是用前几个时刻的估计值建立灰色微分方程来预测下一时刻的值,其预测精度高,滤波性能提高,特别在目标机动的时间内跟踪滤波效果要好于传统方法。仿真结果表明,是一种可行的机动目标跟踪方法。     

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     

自适应灰色预测控制的稳定性与仿真研究

基于灰色预测和在线切换算法的研究,提出一种自适应灰色预测控制方法,该方法根据控制系统不同周期的输出误差值,自适应调整灰色预测控制器的预测步长,提高系统输出非平稳时间序列的光滑度,减少其随机性,以改进系统的暂态和稳态性能.并基于线性时不变对象,推导了该类自适应预测控制系统数学模型,给出其收敛的充分条件.最后,通过实例仿真分析证实了本方法控制精度高,鲁棒性强,具有良好的应用价值.     

一种圆周机动目标的机动中心估计方法

机动目标跟踪是无源探测中的关键问题,文章针对无源探测中飞行器常见的圆周机动轨迹跟踪问题,提出了一种改进的机动中心次优估计方法。通过对三点定圆方法中三点构型对圆心估计误差影响的分析,提出了一种基于对弦进行对称分组、增加交点集合过滤规则和加权平均来提高估计精度的方法,该方法有效地解决了弦中垂线交点法在噪声条件下估计误差大的问题。之后用本方法与机动中心坐标系法相结合对飞机的圆周飞行轨迹进行滤波,仿真结果验证了文中方法的有效性。与传统的弦中垂线相交法及最小二乘法相比,该方法在相同误差条件下,具有更小的计算量。

Abstract：

Maneuver target track is a key issue in passive location,and a suboptimal improved approach to estimate maneuver center was put forward based on circular maneuver track of aircraft. Through trigonometry error analysis in circle decision,a method was proposed by symmetrically sorting chords,adding filter rules for intersection set and weighted average,and this method overcame large estimation errors in traditional perpendicular bisector intersection method （PBIM） when polluted by noise. The suboptimal one and maneuvering-center coordinates approach were used to track circular maneuver of aircraft and the results show effectivity of this method. Comparing with traditional PBIM and least-squares procedure,the suboptimal method has similar error and less computation overhead.     

机动目标跟踪的多模型多机动策略算法

在机动目标运动过程中引入机动决策的概念,建立了具有多个运动模式与多种机动决策的目标运动模型.并针对目标运动的多模式与多机动决策的特点,提出了一种多个运动模型与多种机动决策共同交互的机动目标跟踪算法.最后利用计算机仿真手段对所提出的交互式多模型多机动策略跟踪算法进行了验证,仿真结果显示此目标跟踪算法对于跟踪以多种机动策略实时机动的目标不仅是有效的,而且较之传统的交互多模型算法,跟踪性能更加优越.     

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.     

机动目标ISAR距离瞬时多普勒成像实现方法

ＩＳＡＲ成像的目标通常为非合作机动目标,采用距离瞬时多普勒方法可以对机动飞行目标进行成像［１］。利用基于信号分量自适应短时谱估计技术,通过对每个距离单元某一时刻回波频率的估计来得到瞬时像;由于该方法采用ＦＦＴ快速计算,而且不受信号分量形式的限制,故能够快捷有效地得到瞬时像,对实验ＩＳＡＲ处理的结果表明该方法的有效性。     

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差，同时针对雷达系统检测中存在漏检的现象，提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达／红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例，给出一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行，鲁棒性强，通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真，表明该方法有效。另外，该方法同样适用于多于两个多传感器系统。     

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。     

一种跟踪机动目标的变结构交互多模型滤波算法

将当前统计模型和变结构多模型估计算法相结合,阐述了变结构多模型算法的基本思想,研究和设计了一种用于跟踪机动目标的变结构交互多模型算法。计算机仿真显示该算法能有效提高交互多模型估计器的费效比。     

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。     

空中目标威胁排序的灰色聚类决策方法

空中目标威胁排序是防空射击指挥中的重要环节,针对空中目标威胁排序问题,提同了一种基于灰色定权聚类决策的空中目标威胁排序方法.该方法通过对空中作战目标的分析认识,对目标的威胁因素的特征指标进行挑选,分析特征指标取值变化对目标威胁程度的影响,采取绝对关联度分析,确定特征指标的选取,在不需要精确校正指标数据的情况下.运用灰色关联聚类的思想实现了威胁排序,符合防空作战的实际情景需求.给出了应用该方法的具体步骤,通过示例结果表明灰色聚类决策对空中目标威胁排序具有良好的适用性.     

机动目标跟踪MS模型

针对Singer模型中人为设定参数的不合理性,对机动时间常数的倒数α和驱动白噪声方差σ2w进行估计,提出新的Modified Singer(MS)模型,并给出相应的参数自适应滤波算法。该模型在估计目标状态的同时,能够实时估计参数α及σ2w的值。仿真结果表明MS模型比Singer模型状态估计更精确,结果也更稳定。     

一种新的自适应机动目标跟踪算法

在＂当前＂统计（CS）模型基础上,提出了一种新的机动目标自适应滤波算法,当前统计模型-修正强跟踪滤波（CS-MSTF）算法。新算法在保留＂当前＂统计模型及强跟踪滤波器（STF）对一般机动目标跟踪精度高的优点的同时,作出以下改进：针对强跟踪滤波器在机动部分获得完美性能的同时,非机动部分的精度却不理想的缺陷,对预测误差协方差及渐消因子的计算作出修正,同时改进机动部分和非机动部分的精度;将目前常用的估计误差协方差的计算公式采用更加可靠的Joseph公式,增强了数值的稳定性和算法的鲁棒性。蒙特卡罗仿真表明,新算法的性能优于当前统计模型-强跟踪滤波（CS-STF）算法,能够进行有效估计。

Abstract：

Based on the ＂current＂ statistical model,a new adaptive maneuvering target tracking algorithm,CS-MSTF,was proposed. The new algorithm,keeping the merits of high tracking precision that the ＂current ＂ statistical model and strong tracking filter（STF） have in tracking maneuvering target has made the modifications as such：First,STF has the defect that it achieves the perfert performance in maneuvering segment at a cost of the precision in non-naneuvering segment,so the new algorithm modifies the prediction error covariance matrix and the fading factor to improve the tracking precision both of the maneuvering segment and non-maneuvering segment; The estimation error covariance matrix was calculated using the Joseph form,which is more stable and robust in numerical. The Monte-Carlo simulation shows that the CS-MSTF algorithm has a more excellent performance than CS-STF and can esitmate efficiently.     

自适应神经网络在水质预测建模中的应用

东江惠州段水质直接影响着香港和深圳的淡水供应质量,本文根据东江水质自动监测系统的分布情况,提出了由上游水质预测下淡水质和当前水质预测未来水质的两种基于自适应神经网络的东江惠州段水质预测建模方法,给出了基于误差梯度信息的离散神经网络自适应学习算法,用李亚普诺夫方法证明了该自适应神经网络算法的收敛性,仿真结果证明了该方法具有较高的预测精度,且方法简便,适用对象广泛。