双基阵纯方位被动定位跟踪方法

研究了双基阵纯方位目标运动分析的原理和方法,给出了卡尔曼滤波算法的模型。针对目标跟踪和滤波中容易出现的跟错目标和滤波发散问题,提出将进行方位数据时空关联、采取航迹状态转移和距离回归门限相结合的方法实现对单、双目标的跟踪定位。仿真实验表明,应用该方法可以快速、稳定地完成目标运动要素的估计,可以较好地应用于工程实现。     

改进UKF算法在双基阵纯方位目标跟踪中的应用

传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文章在扩展卡尔曼滤波和UKF算法的基础上,提出一种衰减记忆UKF算法（MAUKF）,引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。理论分析和仿真结果表明,MAUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于EKF、UKF算法。     

多目标干扰环境中威胁目标自动跟踪方法

针对多目标干扰环境中威胁目标发现与跟踪困难的问题,研究一种基于随机有限集(RFS)的高斯混合概率密度假设(GM-PHD)滤波的算法,建立目标的随机有限集形式的运动和观测模型,利用卡尔曼滤波的预测和更新过程,对被动声呐输出的多目标方位和窄带线谱同时进行跟踪,利用所提取窄带线谱能量作为不同方位目标的输出检测量,可实现对包含线谱的窄带威胁目标的自动跟踪。试验数据的处理结果表明,所提方法可以实现在多目标的复杂情况下对感兴趣的威胁目标的自动跟踪。     

基于UKF的Rao-Blackwellized粒子滤波器多传感器多目标跟踪算法研究

在纯方位多传感器多目标跟踪问题中,状态的测量通常是来源未确定的观测量,在杂波环境尤为如此,需要同时解决多个目标的测量和目标之间的关联问题。本文提出一种新的基于Rao-Blackwellized思想的RBPF-UKF算法。该算法利用Rao-Blackwellized将多目标跟踪问题转化为2个子问题:数据关联及单目标跟踪问题,利用粒子滤波中的序列重要性重采样原理解决多目标跟踪的数据关联问题,用UKF滤波器实现单目标跟踪。仿真结果表明,RBPF-UKF算法能很好地解决多目标数据关联问题,与RBPF-EKF算法相比具有更高的滤波精度及稳定性,体现了该算法的优越性。     

分析预测理论以及在空间位置探测数据处理中的应用(Ⅱ)--空间位置方程与探测数据分析

讨论了探测数据和目标空间相对位置之间的关系，提出(在一定的条件下)直接用一维方位探测数据进行滤波的理论。引入一种根据不同目标的空间运动性能和特征，建立进行空间位置探测数据问题处理数据背景平台的预处理的概念和几种预处理技术。在这种技术的支持下，根据不同的目标的空间位置函数的特征对探测数据分类，从而使在探测数据的处理过程中可以有针对性的对历史探测数据进行不同的处理(保留或删除)和不同应用(用于目标运动模式的识别或目标空间位置的预测)。     

改进的中心差分卡尔曼滤波水下被动目标跟踪

中心差分卡尔曼滤波是目标跟踪领域中常用的非线性滤波方法之一,但在单站的纯方位目标跟踪中,有时受观测站的运动轨迹、观测噪声等影响,中心差分卡尔曼滤波会出现滤波不稳定甚至发散的情况。针对这一问题,本文提出一种基于奇异值分解平方根的中心差分卡尔曼滤波改进方法。通过采用QR分解和奇异值分解2种不同的方式计算协方差的平方根,代替协方差矩阵参与运算,增强算法的稳定性。通过3种不同情形下的仿真结果均表明,所提方法与常规的中心差分卡尔曼滤波和经典的平方根无迹卡尔曼滤波方法相比,具有最低的均方根误差。     

一种改进的Kalman滤波在野值点去除中的应用

在工程实践中,Kalman滤波采用了递归滤波的方法和线性无偏最小方差准则,因而在理论上是一种最优估计,并因为这一良好的数学性质得到了广泛的应用。但是在实际测量中,在野值的影响下,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散。针对此一现象,提出了基于＂新息＂序列和对新息序列进行Kalman预测的方法对测量数据进行处理的新算法。该算法利用＂新息＂序列进行野值点判别,利用Kalman预测的方法对野值点处的＂新息＂进行预测修复。仿真证明,该算法可使状态估计、野值点判别和野值点修复同时进行,并能很好地抑制滤波的发散。     

一种引入目标运动速度的多站无源时差定位方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标。针对这一问题提出一种新方法,由于利用多普勒测速原理可以获得目标运动速度,因此将目标运动速度引入量测方程中,通过附加独立信息观测通道以期提高目标跟踪的收敛精度和收敛速度。仿真结果证实会使滤波算法收敛速度加快,收敛精度提高,改善跟踪性能。     

基于伪线性滤波的鱼雷方位被动跟踪研究

用伪线性评估量扩展了卡耳曼滤波 ,并应用它进行鱼雷方位的被动跟踪。该算法不需要初始评估量 ,可在各种条件下获得较好的收敛性 ,适用范围广泛 ,克服了卡耳曼滤波需要一个空的目标状态变量作为初始估计量的缺点。最后用蒙特卡洛法仿真检验此算法     

水下航行器水下障碍规避性能分析与仿真

水下航行器的障碍躲避是提高水下航行器生存能力的关键技术,针对信息融合跟踪算法避障容易误差偏差和局部收敛的问题,提出一种基于Kalman滤波量化融合规避的水下航行器水下避障算法。构建水下航行器的运动系统方程,采用方位信息的量化融合方法进行自适应路径规划,结合Kalman滤波进行障碍信息的干扰抑制,采用强跟踪滤波实现障碍参量信息量化融合规避,实现水下航行器水下障碍躲避。仿真结果表明,采用该方法进行水下航行器避障,能有效规避障碍目标,提高对障碍物的方位估计精度,有效规避的准确概率达到最优。     

基于加速度估计的复合导引头机动目标跟踪算法

信息融合算法是毫米波/红外复合导引头的关键技术之一,其中机动目标跟踪能力直接系统的跟踪性能。α-β作为一种常增益滤波器对CV或CA运动目标有良好的跟踪性能,但当目标机动时性能却大大下降。针对机动情况,提出一种目标加速度估计方法,并利用此加速度估计值来修正目标状态估计值,使其具有良好的机动跟踪性能。最后应用Matlab软件进行仿真分析,分析结果表明改进后的滤波器无论是对目标机动还是非机动跟踪性能良好,计算量少。     

基于权值优选粒子滤波的雷达目标跟踪

本文详细分析了粒子滤波的特点,给出了基于权值优选的粒子滤波算法,对雷达目标进行了跟踪。仿真结果表明,基于权值优选的粒子滤波算法在N值较小的情况下较标准粒子滤波算法具有更明显的优势。     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

水下目标双基阵纯方位跟踪性能分析

研究双基阵纯方位目标运动分析的基本原理和方法，给出卡尔曼滤波算法的模型，进行仿真实验，比较和分析了仿真结果。仿真结果表明，应用卡尔曼滤波可以快速、稳定地完成目标运动要素的估计，同时还分析了数据关联、基阵间距以及方位测量误差对跟踪性能的影响，为工程应用提供了参考。     

渐消记忆滤波器在海上探雷试验中的应用

在海上进行探测水雷的试验中,常常因为船体的摇摆而使回波图像中目标的位置不固定,影响了水雷探测的准确性。研究基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨渐消记忆递归最小二乘法在图像重建中的应用,并用于实现对回波图像的更新。结果表明,渐消记忆滤波器通过引入旧数据对图像更新的影响,使得回波图像中目标位置的变化具有连续性。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

一种合作目标轨迹的处理方法

在使用声图测量的方法对扫描区域内的目标进行定位时,由于声图定位的局限性,使得目标的定位轨迹出现一定的误差.为了有效减小定位误差,提出了采用“圆筛”和α-β滤波相结合的方法处理目标轨迹.由实验数据处理证明,此方法可以有效减小目标航迹抖动,并且可以实现目标轨迹的平稳过阵.     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。     

比例导引下的机动目标跟踪算法仿真研究

针对比例导引目标的跟踪问题,将比例导引规律引入状态方程,建立线性时变系统模型,利用含有参数的标准卡尔曼滤波方法给出了目标的状态估计。运用语言进行仿真计算,分析并得到了在不同的初始航向角、比例导引系数、导弹的初始位置和速度下的导引弹道滤波曲线和弹目相遇时间。仿真结果表明,此方法正确可行。     

基于粒子滤波的无人机侦察图像跟踪算法研究

针对无人机侦察图像跟踪的实时性以及战场环境复杂的特点,研究了在复杂背景下实现对单一目标跟踪,提出了一种基于粒子滤波的快速目标跟踪算法,通过计算机仿真将此方法与传统的目标跟踪方法进行了对比,实验结果表明,该算法能够稳健地跟踪目标,具有很好的准确性、实时性和鲁棒性。