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。     

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.     

基于Jerk模型的单站无源定位跟踪算法研究

针对非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法Jerk-UKF。该方法用Jerk模型对做复杂机动的运动目标建模,采用UKF滤波的思想对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标跟踪,提高了目标跟踪收敛精度和稳定性。仿真试验表明了该方法的可行性和有效性,并具有较高的应用价值。最后,对Jerk-UKF算法的研究方向进行了讨论。     

基于神经-模糊推理网络的机动目标跟踪方法

对目标机动的检测和准确跟踪，是目标跟踪研究中非常重要但难度较大的问题。在雷达和红外融合的跟踪系统，将神经-模糊推理网络与扩展Kalman滤波结合起来，形成闭环。即提取和目标机动有关的特征量送入神经-模糊推理网络，再估计目标机动输入，实现对机动目标的精确跟踪。仿真试验说明了本文所采用方法的有效性。     

基于微分对策的非仿射导弹学习滑模制导

针对具有非仿射形式的导弹截机动目标问题，研究了一类基于微分对策的非仿射学习滑模制导方法。首先，构建辅助系统，将制导系统转化为增广控制仿射形式；针对目标未知机动造成的扰动项，设计自适应滑模控制策略，鲁棒匹配扰动部分的同时使系统状态沿着预设滑模面进入滑动模态运动。然后，针对带有非匹配扰动部分的等效滑动模态系统，利用评价网络在线学习最优微分对策控制策略，使系统满足预设性能指标，并通过Lyapunov方法证明闭环系统有界。最后，仿真结果表明导弹能够成功拦截目标，证明了所提制导律的有效性。     

天波超视距雷达机动目标检测方法

天波超视距雷达(over-the-horizon radar,OTHR)通过快速傅里叶变换(fast Fourier transform,FFT)实现长时间相干积累,但这种基于目标速度恒定的方法对于机动目标的效果并不好.提出了一种基于目标运动参数估计的OTHR机动目标检测方法.该方法首先确定机动目标的运动参数的大致范围,然后对其运动参数进行估计,之后对其径向加速度进行补偿,最后对经加速度补偿后的目标信号进行相干积累并在距离-多普勒平面上进行二维恒虚誓检测.仿真结果表明,该方法能够增强OTHR对机动目标的检测能力,运算效率高,实用性强.     

适用于模型失配时的改进IMM算法

机动目标难以跟踪的主要原因是无法找到一个准确的模型来描述目标的运动,即此时目标运动模型是失配的。现今交互式多模型（interacting multiple-model, IMM）算法是一种常用的用于机动目标的跟踪算法。推导分析了现有的典型IMM滤波算法在跟踪机动目标时存在的不足,提出了一种更适用于运动模型失配情况下机动目标跟踪的改进IMM算法。该算法对在跟踪机动目标时滤波器的新息序列的均值特性进行推导分析,改进了IMM算法中模型概率的计算方法,提高了模型概率计算的准确性,从而提高对机动目标的跟踪精度。建立了典型的机动目标跟踪场景,将改进后的IMM算法和原有的典型IMM算法的跟踪性能进行了对比研究,并对模型转换概率的准确性进行了分析,仿真结果验证该改进算法的有效性。     

基于道路势场的智能车辆机动驾驶控制算法

受机器人基于人工势场的路径控制方法的启发,在文献[3]的基础上,提出了车辆机动行驶控制机制。首先,定义了基于停车视距的车辆机动行驶动态目标位置;其次,依据人工势场建模原理构建道路势场;为了平滑车辆行驶路线,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法;最后,针车辆系统是典型的非完整控制系统,特车辆运动学模型转换力...     

基于影响图的空战机动决策模型

把影响图和对策论引入到一对一空战机动决策中。影响图把动力学质点模型、飞行员的偏好以及不确定性考虑到空战机动决策模型中。根据对目标建模的不同，提出了两个影响图模型：第一个模型是随机机动决策模型，第二个是影响图对策模型。最后给出了模型求解方案以及仿真算例。仿真结表明模型的有效性。     

目标机动策略的智能决策支持系统研究

在建立地面防空作战信息对抗模型的过程中,为充分利用目标机动时的定性和定量信息,应用智能决策支持系统的基本理论和方法建立了目标机动策略的智能决策支持系统模型。该系统模型突出知识库创建、知识表示方法、模型库和决策支持系统建立,形成了具有专家水准的目标机动的战术机动自动决策仿真机制,为地面防空作战信息对抗模型的进一步研究提供了良好的平台。     

航天器轨道机动时机建模与仿真

航天器遂行轨道机动任务,机动时机是影响轨道机动消耗的一个重要参数。合理选取轨道机动时机可以节省航天器的机动时间与燃料消耗。根据航天器初始轨道与目标轨道的关系,给出了航天器轨道机动时机的概念与表示方法,建立了航天器轨道机动时机的模型,并进行了仿真分析,得出了航天器的机动能力对于轨道机动时机的影响关系。     

基于目标机动模式识别的VSMM算法

针对定结构多模型在高机动目标跟踪算法中存在计算量大、计算时间长、难以满足系统实时性等问题,提出了基于目标机动模式识别的变结构多模型算法。该算法能够选取与目标运动状态相匹配的模型集合,具有时变性、自适应性的优点。通过运用少量的运动模型组成一个模型组,然后不同的运动模型组合形成不同的模型组,以模型组代替原先定结构模型中的多模型,根据跟踪检测到的目标运动模式来选择是否更换模型组,从而用少量运算得到较为精确的次优解。仿真结果表明,该算法在跟踪强机动目标中不但能够有效降低计算量,而且可以使模型集合和目标的运动状态更好地匹配,从而提高目标跟踪精度。     

基于多级影响图的空战连续机动决策

首次将多级影响图分析方法引入到连续空战机动决策中。基于多级影响图的模型通过图形来描述连续决策中的各要素，并把不确定的决策环境、动力学质点模型以及飞行员的偏好考虑到模型中。考虑到目标的机动能力，利用动态概率影响图对目标进行建模。仿真结果表明该模型的有效性。     

采用本机智能机动策略增大越肩发射截获区

传统认为可通过改善导弹性能增大越肩发射截获区。深入研究越肩发射过程后，发现：目标和本机的运动是相互影响的，本机机动可以影响导弹对目标的截获。故提出可通过改善本机机动，即采用本机智能机动策略得到更大的越肩发射截获区。采用可视化数据挖掘，从过去越肩发射仿真数据中获取知识，通过采用模糊算法用所获取的知识改善本机机动策略，得到本机智能机动策略。在数字仿真中，通过采用这种智能的机动策略，本机的截获区比过去至少增大了122%。除了传统的通过提高导弹性能增大越肩发射截获区外，通过采用本机智能机动策略也能。     

水下航行器反舰尾流自导弹道设计与仿真

首次建立了水面目标舰机动条件下的尾流仿真模型，研究了水下航行器对目标尾流碰撞检测的仿真原理，给出了尾流自导逻辑弹道仿真方法，从而完成了水下航行器反舰尾流自导弹道软件系统的研制，仿真应用结果表明，本项研究对于目标几何建模和尾流自导仿真方法研究具有实际应用价值。     

机动目标的模糊自适应跟踪算法

在当前统计模型的基础上，提出了一种基于当前统计模型(CS)的模糊自适应算法(CSFA)。该算法使用了模糊推理技术，使系统状态噪声方差随着机动特性能够自适应调整，提高了系统在目标作非机动或者弱机动时的跟踪精度以及在强机动时的快速响应能力。蒙特卡罗仿真结果表明了该算法的有效性。     

目标状态估计器研究

全面系统地研究了基于空载雷达测量体制下的机动目标状态估计器的设计问题，重点对坐标系及目标状态变量的选择进行了讨论，并将每一种设计方法得到的目标状态估计器联入综合火力／飞行控制系统中进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，对仿真结果进行了比较，给出了相应的结论。     

基于新型的递归BLUE滤波器的IMM算法

雷达跟踪机动目标时，目标运动常被建模在直角坐标系内，同时目标量测可在传感器坐标系下获得。量测转换技术已被广泛使用在这类问题中，它使得卡尔曼滤波器得以应用于跟踪任务中。但上述技术忽视了卡尔曼滤波器的前提假设条件。提出一种基于新型递归BLUE滤波器的交互作用多模型算法，能近乎最优地估计出直角坐标系下的目标运动状态，同时保持传感器坐标系内所固有的量测误差。通过仿真，将它与基于传统的量测转换方法的交互作用多模型算法进行比较，表明了该算法的有效性和优越性。     

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。     

闪烁噪声机动目标跟踪的模型集交互跟踪算法

给出了一种量测噪声为闪烁噪声情况下的模型集交互机动目标跟踪算法。在雷达目标跟踪系统中由于目标位置的随机摆动,使得对其位置的量测伴随着闪烁噪声的出现,这种闪烁噪声会对目标跟踪的性能产生很大的影响。本文通过对闪烁噪声的QQplots-分析,利用高斯分布和拉普拉斯分布的合成对其进行建模,在机动目标跟踪中采用两个模型集来处理闪烁噪声的情况,并详细推导了模型集交互时机动目标跟踪算法。最后,通过Monte Carlo的仿真结果表明了该算法的有效性。