多基地雷达系统中基于距离差测量的目标跟踪分析

分析了用多站雷达系统跟踪近程目标的方法。将速度矢量引入到目标运动模型,从而能更好地描述机动目标。系统量测方程建立在距离差测量的基础上,使跟踪过程与发射机位置无关,因而十分适用于发射机机动的系统布局。仿真结果表明该方法是有效的,具有跟踪速度快、稳态误差小的特点,适用于多瞳雷达系统跟踪近程目标。     

杂波环境下基于视听信息融合的目标跟踪

以监控系统为研究背景,充分利用场景中视听媒体间存在的天然时空相关性,将视觉信息和听觉信息有效地融合从而实现对目标的快速跟踪.利用机器视觉相关理论提取视觉运动特征,利用计算听觉场景分析技术抽取音频场景特征,建立视听信息特征级融合模型并进行联合场景事件判断.仿真结果表明,应用视听信息融合对目标进行跟踪,预测误差小于单独基于视觉的目标跟踪,同时听觉信息的引入有助于克服图像噪声.     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。     

非高斯条件下基于粒子滤波的目标跟踪

介绍了粒子滤波的基本思想和具体算法实现步骤，在给出的闪烁噪声统计模型基础上，将粒子滤波算法应用在雷达目标跟踪中，解决了闪烁噪声情况下的雷达目标跟踪问题．仿真结果表明，在满足高斯噪声条件下，扩展卡尔曼算法和粒子滤波算法跟踪性能相近，但若考虑雷达的闪烁噪声，则随着闪烁影响增强，扩展卡尔曼算法跟踪性能严重下降，而粒子滤波算法能继续保持较好的跟踪精度．     

基于观测距离的EKF和UKF目标跟踪方法对比

分析了EKF和UKF的基本原理,并对基于观测距离的EKF和UKF的目标跟踪方法进行了对比.利用Matlab软件对2种方法进行仿真,结果表明UKF对真实轨迹的拟合效果优于EKF,且UKF的误差变化小,收敛性比EKF好.     

基于自适应DBSCAN的雷达目标跟踪算法

直接对三坐标航管一次雷达点迹录取器中录取到的点迹进行航迹起始、跟踪等处理后,会形成大量虚警,运算量大。进行目标跟踪时,候选点迹集合数量庞大是造成目标跟踪过程运算量大的主要原因。文中基于动态自适应DBSCAN聚类算法,结合经典卡尔曼滤波跟踪算法,提出了动态自适应DBSCAN聚类跟踪混合算法,来减少候选点迹集合数量。实验结果证明,本文提出的算法实现了无效点迹数的减少、航迹质量的提高以及运算时间的下降。通过动态自适应DBSCAN聚类跟踪混合算法,能迅速跟踪到三坐标航管一次雷达探测到的目标并形成目标航迹,可以及时发现黑飞目标,将对正常民航飞机飞行的干扰降到最低。     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

基于贪婪量测划分的隐身目标跟踪MS-LMB滤波器

针对隐身目标的跟踪,本文将贪婪量测划分的方法应用于多传感器标签多伯努利(MS-LMB)滤波器中,较好地解决了低检测概率下的多雷达跟踪问题. 传统的MS-LMB滤波器一般采用吉布斯采样来解决量测划分问题. 当雷达网中多数雷达对隐身目标的检测概率较低而处于漏检状态时,目标的似然权值将偏小而很难被吉布斯采样获取,从而难以准确估计隐身目标的状态. 贪婪量测划分机制由于单独考虑了包含漏检项的量测集,可有效解决此问题. 仿真实验结果表明,在隐身目标的跟踪中,采用贪婪量测划分的MS-LMB滤波器的滤波性能明显优于采用吉布斯采样的MS-LMB滤波器的性能.      

基于交互式多模型的雷达单目标跟踪算法

针对民用小型无人机被广泛应用而带来的安全隐患问题,本文将交互式多模型算法应用于雷达单目标跟踪系统,并对其进行了研究与仿真.首先,建立常见的目标运动模型,对每个运动模型的状态方程进行分析,介绍了交互式多模型算法的原理及计算方法.然后,分析了坐标转换误差对雷达跟踪性能的影响,并给出转换误差的补偿结果.最后,通过蒙特卡洛仿真...     

一种基于改进ASM的运动目标跟踪方法

ASM是一种应用于非刚体轮廓匹配的统计模型方法,由于匹配结果的可靠性依赖于先验的灰度模型,导致灰度信息发生动态变化时基于ASM的目标跟踪效果不佳.针对跟踪中轮廓匹配的鲁棒性问题,提出了一种基于改进ASM的目标跟踪方法,该方法采用一种在线提取和更新灰度模型的机制,摆脱对目标先验灰度的依赖;并结合强边缘特征和目标内部灰度信息,改进传统ASM方法的灰度模型和搜索算法,提高了运动过程中目标附近背景信息变化情况下轮廓匹配的鲁棒性和快速性;跟踪过程中利用卡尔曼滤波预测目标位置提高了运行效率.实验验证了方法的有效性和鲁棒性.     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼（Kalman）滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

多传感器远距离目标跟踪精度分析

该文主要研究了非线性系统中多传感器远距离目标跟踪问题,提出了分布的转换坐标卡尔曼滤波算法,给出了当多传感器不在同一位置时融合中心的状态估计组合公式。     

基于多传感器的多分辨机动目标跟踪

用小波变换和多分辨分析的思想建立了一个基于多传感器观测的机动目标跟踪新算法。     

非均匀分布量测下的扩展目标跟踪方法

针对雷达方位角变化导致散射源统计特性改变的问题,提出了一种非均匀分布量测下的扩展目标跟踪方法.算法通过轮廓质心法和接受-拒绝采样法产生伪量测,并构建了分层无迹卡尔曼滤波器(hierarchical unscented kalman filter,HUKF)来估计运动状态和形状参数.实验结果表明,相比于传统的无迹卡尔曼滤...     

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。     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

基于选择性模型更新与卡尔曼滤波的目标模型更新算法

选择性模型更新算法不能准确地更新目标模型,在外观变化、遮挡、场景光线变化等因素影响的运动目标跟踪中,不能有效地处理目标模型。因此,提出了一种选择性模型更新与卡尔曼滤波的目标模型更新算法。根据可靠性阈值和分量更新比例精确选取更新分量,并与Kalman滤波相结合,对目标模型分量进行预测,根据不同干扰和目标外形变化,将两种算法的跟踪结果线性加权得到新的跟踪目标模型。实验结果表明该算法具有良好的跟踪效果。     

基于观测距离的EKF和UKF目标跟踪方法对比

分析了EKF和UKF的基本原理,并对基于观测距离的EKF和UKF的目标跟踪方法进行了对比.利用Matlab软件对2种方法进行仿真,结果表明UKF对真实轨迹的拟合效果优于EKF,且UKF的误差变化小,收敛性比EKF好.