目标跟踪下的 LS 算法和 IMM 算法性能比较*

针对机动目标跟踪中如何提高跟踪精度问题,选取合适的跟踪滤波算法,利用两种经典跟踪滤波算法：交互式多模型算法（IMM）和最小二乘法（LS）,实现对目标的跟踪。并利用仿真进行了比较,结果证明IMM 具有更加高效的跟踪效果,符合设计需要。     

基于无味粒子滤波和交互多模型算法的多机动目标跟踪

闪烁噪声是一种非高斯噪声．为了提高闪烁噪声下多机动目标跟踪的精度，在交互多模型IMM（Interacting Multiple Models）算法的基础上将非线性非高斯系统滤波算法——粒子滤波与IMM算法相结合，采用无味粒子滤波UPF（Unscented Particle Filter）代替IMM算法中各模型的卡尔曼滤波，提出了一种UPF—IMM算法，并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分，解决了闪烁噪声环境下的多目标跟踪问题，实验结果表明该算法可以明显地提高跟踪精度．     

粒子滤波在机动目标自适应参数辨识算法中的应用

针对目前机动目标跟踪算法无法有效跟踪反舰导弹末段机动的问题,提出一种引入粒子滤波算法的参数辨识模型.通过仿真分析目标作匀速圆周运动情况下该算法的跟踪性能.结果表明,该算法可有效提高跟踪收敛速度和精度,具有一定工程实际意义.     

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。     

基于模糊自适应IMM算法的机动目标跟踪方法

提出了一种模糊自适应IMM算法(FAIMM)自适应地设计IMM算法中的模型集.该方法根据加速度估计值,通过模糊推理获得所使用模型的后验概率,自适应地摒弃概率较小的模型,从而减少了模型数目,降低了算法的计算量.仿真结果表明,应用FAIMM算法跟踪目标,跟踪的精度、平稳性以及算法的收敛速度等都得到了改善.     

被动多传感器改进交互多模型粒子滤波算法

将改进的粒子滤波算法即基于均匀重采样的粒子滤波(AUPF)与交互式多模型算法(IMM)相结合,提出交互式多模型均匀重采样粒子滤波算法(IMM-AUPF),并将其应用于被动多传感器的机动目标跟踪中。均匀重采样粒子滤波在标准粒子滤波的基础上通过改进重采样过程,在解决粒子退化问题的同时,增加了粒子的多样性,提高了滤波性能。在多模型中应用均匀重采样粒子滤波,提高被动多传感器系统的机动目标跟踪精度。将该方法与交互式多模型粒子滤波算法(IMM-PF)进行仿真对比,结果表明该方法具有更好的跟踪性能。     

基于S修正卡尔曼滤波的自适应网格模糊交互多模型算法研究

针对机动目标跟踪问题中,固定结构多模型(FSMM)算法费效比不高以及交互式多模型(IMM)算法马尔可夫转移概率难以准确确定的问题,研究一种基于S修正卡尔曼滤波的自适应网格模糊交互式多模型(AGFIMM-SKF)算法。该算法通过自适应网格调整实现了模型集自适应,通过模糊逻辑推理得到模型集中各个模型的匹配度,并且对标准卡尔曼滤波器进行S修正。仿真结果表明,AG-FIMM-SKF算法与标准的IMM算法相比,可以有效提高多模型算法的精度和费效比,且适合工程应用。     

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。     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

一种双基阵纯方位机动目标被动跟踪方法

利用2部被动声呐基阵获取的目标方位信息对水中机动目标的跟踪实质是一个非线性状态估计问题,由于观测方程的非线性性,滤波环节不可避免地要用到非线性滤波算法.以往解决此问题的方法是在基于交互多模型(IMM)算法并在其滤波环节应用扩展卡尔曼滤波(EKF)算法.然而,EKF算法在计算滤波误差协方差阵时没有融入当前观测信息.为此提出在原方法的基础上用其改进算法即修正协方差扩展卡尔曼滤波(MCEKF)算法取代EKF算法,以改善跟踪性能,从而得到一种新的方法.经仿真验证了所提方法的正确性和有效性.     

基于多幅目标图片的三维重建技术及其目标强度计算

从图像立体视觉出发,提出了一种利用目标多幅照片进行三维重建进而利用板块元方法计算其目标强度的方法.针对该方法进行了潜艇线型模型恢复实验,对恢复的模型进行了目标强度计算,并分析了该建模方法的建模误差对目标强度计算的影响.     

基于当前统计模型的三维空间机动目标跟踪算法

对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的当前统计卡尔曼滤波算法。针对三维空间中的机动目标,将新提出的算法和传统算法进行仿真,结果表明,当引入距变率和角变率时,其收敛速度加快,收敛精度提高,改善了跟踪性能,具有工程实践指导意义。     

基于测距声纳与光视觉的水下目标定位方法研究

针对无人水下航行器作业环境的特殊性以及任务需求,为提高光视觉的定位精度,提出了一种基于测距声纳与光视觉的水下目标定位方法。该方法根据摄像机成像的特点,利用测距声纳与摄像机的几何关系设计水下目标定位算法。本文针对规则的水下目标进行定位算法设计,然后通过对水池试验采集的图像中的目标进行定位验证以及误差分析,证明了该定位系统具有较高的定位精度,满足水下作业的需求。     

一种引入距变率和角变率的卡尔曼滤波算法

对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率（径向速度）和角变率（角速度）的伪线性卡尔曼滤波算法。针对匀速直线运动目标和匀加速直线运动目标，将新提出的算法和传统算法进行仿真，当引入距变率和角变率时，其收敛速度加快，收敛精度提高，改善了跟踪性能，具有工程实践指导意义。     

小型机动平台上时间配准问题分析

介绍空中移动平台传感器定位算法并建立模型，通过Monte Carlo仿真实验及内插外推法将高精度观测时间上的数据推算到低精度时间点上。该方法能同时有效地估计目标运动状态和传感器配准误差．与传统配准方法相比具有更快的收敛速度和更高的精度。     

作战系统武器通道精度分配方法

以作战系统中一个典型的武器通道为模型，分析传感器、作战指挥系统和武器系统各部分的主要误差源，并提出一种误差精度分配方法，用于提高跟踪器在接收到目标指示后，一次搜索并成功捕获到目标的概率。     

基于方位频率测量的水下被动目标运动分析算法

根据被动观测器所测得的目标方位和多普勒频率信息,通过对新息的伪线性处理,建立了系统线性的状态方程和观测方程,并推导出修正的扩展卡尔曼滤波递推公式,从而对目标的运动状态进行估计。通过蒙特卡罗仿真表明,此算法具有收敛速度快、精度高、稳定性好等优点,可应用于远距离的水下被动目标运动分析。     

Parzen窗估计在潜艇目标强度统计建模的应用

研究潜艇目标强度的统计特性对水中兵器的仿真和试验分析具有重要意义.本文针对直方图统计模型的精度受区间划分影响较大,提出将Parzen窗估计方法用于潜艇目标强度的统计建模,建立潜艇典型舷角下的目标强度分布模型,并对统计特性进行分析.对Benchmark潜艇模型进行仿真计算,结果表明,采用Parzen窗估计法建立的潜艇目标强度统计模型符合潜艇的物理结构特性,能够更加准确和有效地对潜艇目标强度的统计特性进行预报.     

基于两台双天线GPS测向单元的靶船测姿方法

介绍了GPS侧向单元CrescentVectorModule性能,给出了一种利用两台GPS侧向单元测量靶船姿态的硬件与软件实现方法,给出了标校方法和测量精度。根据测试方案实现的测姿平台在海上试验的实际应用中取得了很好的效果。     

基于"当前"统计模型的机动目标运动要素解算

在避碰过程中,舰船一般处于机动状态.因而,对机动目标运动要素解算的精度直接影响到避碰的效果.通过对多种模型的比较,选用了"当前"统计模型,"当前"统计模型相对于其他模型能够更为真实地反映目标的机动变化.仿真结果表明,此算法收敛迅速并有较高精度,其解算所得的目标运动要素能够满足舰船避碰等实用要求.