稳健的交互多模型转移概率选择算法

交互多模算法(IMM)是机动目标跟踪中最常使用的方法之一,但其计算量大、过程较复杂.针对交互多模型转移概率矩阵选取问题,结合目标机动检测理论,提出稳健的交互多模型转移概率选择算法.该方法通过判别机动和非机动目标,确定转移概率矩阵主对角线元素值,并进行了仿真实验.结果显示,新方法简便可靠,提高了总体的滤波效果.     

基于Matlab的Kalman滤波建模及仿真

为了验证多模交互卡尔曼滤波对机动目标的跟踪能力,基于Matlab平台,从基本卡尔曼滤波方程入手,建立了交互多模卡尔曼滤波模型,通过对机动目标的仿真,给出了仿真曲线和结果,验证了交互多模卡尔曼滤波在对机动目标跟踪的优良性能。     

基于输入估计的机动目标跟踪方法

机动目标跟踪方法有变维滤波、输入估计和交互式多模等方法。由于输入估计法采用常速模型作为状态方程对目标进行滤波跟踪,避免了模型集设计而成为研究的热点,但传统输入估计方法跟踪机动目标时存在机动检测时延较长和估计精度不高的缺点。针对这些问题,对输入估计算法进行了改进。采用变检测窗长度提高机动检测的响应速度,通过对检测窗内信息序列的修正显著提高了估计精度。仿真结果表明所提出的算法比原有算法的跟踪性能有显著提高,且对加速度随时间变化的机动也有一定的跟踪性能。     

一种机动目标跟踪的IMM模型优化设计方法

为了提高机动目标的跟踪精度,提出了一种使用2个模型实现对机动目标跟踪的多模型算法,采用当前统计模型和扩展后的常速模型组成的模型集进行交互.该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强.该算法对目标的跟踪精度优于传统的使用3个以上模型交互的IMM-CV/CT算法,仿真结果证明了该算法的有效性.     

基于CS-CL两层嵌套模型的强机动目标跟踪算法

针对强机动目标的跟踪问题,提出了一种基于两层嵌套模型的强机动目标跟踪算法,以改进"当前统计"(current statistical,CS)作为内模型;利用滤波残差构造统计量,对目标机动进行检测,根据检测结果在线修正"CS"模型参数以适应目标的机动;以"曲线"(curve linear,CL)模型为外模型,它以改进的"CS"模型的目标加速度估计值作为输入参数,利用CL模型可以较好近似目标曲线运动的特点,实现对强机动目标进行高精度稳定跟踪。仿真验证了算法的有效性。     

机动巨标跟踪的自适应混合多模算法

本文介绍了用于机动目标跟踪的自适应混合多模算法.这个算法不需要预先定义模型,它利用一个二级卡尔曼滤波器来估计目标的加速度,这个加速度被用于混合多模算法中具有不同确定性加速度的子滤波器中.文中给出了自适应混合多模算法的一个计算机模拟结果并和无自适应混合多模算法的结果进行了比较.     

机动目标跟踪的自适应混合多模算法

本文介绍了用于机动目标跟踪的自适应混合多模算法。这个算法不需要预先定义模型,它利用一个二级卡尔曼滤波器来估计目标的加速度,这个加速度被用于混合多模算法中具有不同确定性加速度的子滤波器中。文中给出了自适应混合多模糊算法的一个计算机模拟结果并和无自适应混合多模算法的结果进行了比较。     

基于多模型与滚动时域估计的机动目标跟踪算法

针对受限于已知物理约束的机动目标,提出了一种目标跟踪算法。针对机动目标的不同运动模式,采用多模型组合的方法进行了近似;针对目标的已知物理约束,采用滚动时域估计方法进行处理,并将其作为状态估计的先验信息来提高估计精度;最终通过设计多模型结构的状态估计演化方程、改进滚动时域估计的误差协方差矩阵更新公式,给出了一种多模型结构与滚动时域估计相结合的机动目标跟踪算法。仿真结果表明:该算法与自适应卡尔曼滤波(AKF)、交互式多模型(IMM)算法相比,可以对具有物理约束的机动目标进行更好的跟踪。     

考虑目标航向机动信息的机动目标跟踪算法

传统的机动目标跟踪算法大多过于依赖所采用的目标运动模型,没有充分利用目标量测序列中携带的其它有用信息,当目标机动时跟踪性能下降较大。针对该问题,提出了利用目标航向机动序列修正传统跟踪算法滤波值的新算法。仿真结果表明,该算法比传统跟踪算法的跟踪精度高,是一种简单有效的自适应机动目标跟踪算法。     

基于似然函数的自适应Singer模型滤波算法

Singer模型滤波算法可以对机动目标进行有效跟踪,但其模型参数的确定依赖于先验知识,且一旦确定,将在滤波过程中不再变化.因此,当事先确定的参数与目标机动不匹配时,跟踪精度会变得比较差.针对模型参数失配时,传统Singer模型不能有效跟踪机动目标的问题,提出一种自适应Singer模型滤波算法.在滤波过程中,构造多模型的模型似然函数,并随着滤波过程实时计算模型似然函数,根据似然函数的变化,自适应调整Singer模型加速度参数.仿真表明,该算法能够有效跟踪目标不同的机动情况,滤波效果较固定参数的Singer模型算法和离散自适应Singer模型算法更优.     

基于机动频率自适应的目标跟踪算法

利用观测新息在目标机动时发生变化的信息，设计了一种自适应的机动目标跟踪算法，通过对目标状态误差的估计，从而自适应的改变机动频率，使跟踪算法与目标的真实状态更接近，该算法具有运算量小、跟踪精度高、易于工程化实现的特点。     

一种新型机动目标跟踪算法——VDQ算法

目的 研究机动目标跟踪算法。方法 利用广义似然比技术对机动目标进行检测,既确保检测的可靠性,又满足系统实时性的要求。采用变维和估计系统状态相结合的方法,对机动目标进行跟踪,当目标机动较弱时,对系统状态用噪声方差进行估计,避免由于变维法带来的暂态误差。当目标机动较强时,则采用变维法。结果与结论 计算机仿真结果表明,这种新型机动目标跟踪算法具有良好的跟踪性能。     

船间效应影响下的船舶操纵运动仿真

为更好地研究船间效应影响下的船舶操纵运动问题,采用MMG建模思想,将船间效应力及力矩的通用公式叠加到操纵运动方程中.在此基础上,结合PD航向控制和欠驱动航迹控制算法,研究发生船间效应时舵对船舶的控制问题,并应用Matlab进行仿真.结果表明,一定条件下,船间效应对船舶运动的影响可用舵进行控制.     

机载GPS动态测量目标跟踪模型的建立

根据GPS的动态测量特性，给出了2种目标跟踪模型，提出了用其模型模拟目标跟踪的正态分布密度函数。     

螺旋桨负荷系数对潜艇操纵运动的影响

论述了螺旋桨负荷系数对潜艇操纵运动的影响．通过分析试验数据,获得了螺旋桨负荷系数对潜艇水动力的改进数学模型．应用这一数学模型,对潜艇在螺旋桨变负荷情况下的大机动运动特性进行了分析,计算表明螺旋桨负荷系数对这类机动具有明显的影响．     

机动目标的多模型跟踪与预报算法

以文献 [1]所给严格的最小二乘递推 (R2 LS)算法为基础 ,并结合多模型和模型重新初始化技术 ,提出了一种机动目标的多模型跟踪与预报 (MMTP)算法 .由于该算法中的大量运算可离线完成 ,因而极大地减少了在线计算量 ,使得MMTP算法能满足实时要求 .     

基于人工神经网络的船舶运动数学模型的辨识

根据船舶海上航行的实际情况,针对船舶运动的特点,提出了用不同神经网络对船舶运动数学模型进行辨识的新方法。给出2种神经网络模型,并比较这2种模型的辨识效果。     

毫米波制导攻击型无人机攻击机动目标制导律研究

对于攻击机动目标的攻击型无人机而言,其攻击精度受目标机动性的直接影响。为了提高攻击型无人机毫米波末制导系统的制导精度,在目标机动加速度模型的基础上,利用毫米波主动雷达导引头测得的无人机与目标相对距离和相对速度信息,研究了目标机动加速度的估计算法,并根据最小能量控制的指标提出了一种具有较强工程可实现性的攻击机动目标的最优制导律。仿真结果证明了该导引规律具有优良的特性。