纯方位水下被动目标跟踪与卡尔曼滤波

针对水下被动目标跟踪的特点，本文对基于扩展卡尔曼滤波，修正增益扩展卡尔曼滤波，协方差平方根滤波，变系数衰减记忆滤波等纯方位水下被动目标跟踪算法进行了系统的仿真实验，比较和分析了仿真结果，研究了一些滤波器的参数选择，指出了修正极坐标系的优越性，为水下被动目标跟踪的实现提出了参考。     

利用Mehra自适应卡尔滤波进行船舶目标跟踪

基于无线传感网络的目标跟踪技术在航海中应用越来越多,卡尔曼滤波是目标跟踪系统中求解非线性最优解的主流技术。卡尔曼滤波算法通过传感网络中的定位值进行"预测-修正-调整"的自适应反馈调整,能动态的调整跟踪精度。随着无线传感器的采集数据的增加及部署密度的增强,传统的最小二乘法算法已经不能适应船舶目标跟踪。本文分析基于无线传感网络目标跟踪模型,在此基础上设计基于Mehra卡尔曼滤波的移动目标跟踪算法。     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

复杂环境下红外机动目标跟踪算法研究

在分析红外机动目标模型的基础上,利用扩展的卡尔曼滤波技术、红外目标的区域相关技术、概率数据关联技术等,实现了复杂环境下红外机动目标的跟踪。仿真结果证明了跟踪模型及算法的有效性。     

基于粒子滤波的水下目标被动跟踪算法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪中的非线性问题,克服了常规的线性化方法易发散且跟踪精度低、误差大的缺点.仿真结果表明:粒子滤波算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,收到了良好的效果,具有较高的实用价值.     

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。     

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。     

CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

舰载雷达目标跟踪的非线性滤波仿真

雷达观测模型常常是非线性的,目标跟踪问题是一个非线性状态混合估计.考虑目标稳定跟踪与实时性要求,采用"当前"统计目标运动模型与粒子滤波(PF)非线性方法对雷达机动目标跟踪进行算法分析.仿真验证了"当前"统计模型下的非线性粒子滤波及扩展卡尔曼滤波(EKF)目标跟踪性能,表明非线性粒子滤波,尤其是U变换粒子滤波(UPF)目标跟踪精度和稳定性较好,值得工程应用与推广.     

基于扩展卡尔曼滤波的GPS信号跟踪技术

提出一种基于扩展卡尔曼滤波的GPS信号跟踪方法,通过扩展卡尔曼滤波器,得到基于相干积分支路的滤波模型,有效地削弱常规GPS跟踪环路中的跟踪误差,增强接收机的抗干扰性能,提升其在信号较弱位置下环路的跟踪性能,对加入惯性信息条件下惯性信息对系统所产生的影响做了相应的分析研究。通过仿真对比结果可以知道:当处于弱信号条件时,与通常用到的GPS信号跟踪方式相比,基于扩展卡尔曼滤波的信号跟踪算法可以有效提升跟踪的精度。     

基于FLL/PLL相结合的载波跟踪在导航接收机中的应用

载体动态性所引入的多普勒频移给导航接收机中的载波跟踪带来了很大困难。在对比分析了载波频率跟踪(FLL)和载波相位跟踪(PLL)环路各自优点的基础上，提出一种FLL／PLL相结合的载波跟踪方法，以充分发挥FLL动态性能较好、PLL的跟踪精度较高的优点，实现动态环境下快速、精确地载波跟踪；并以相位跟踪环路为例分析了热噪声及载体动态性对环路的影响。得出了环路设计的最佳带宽。理论分析和仿真结果表明。该方法能快速、精确地实现载波的跟踪。     

基于代价函数的红外多目标跟踪方法

针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。     

无人船目标探测与跟踪系统

基于GNC架构完整构建了无人船目标探测和跟踪系统,并在案例三体船上完成了试验航行验证,在功能上实现了自主探测周围环境中的障碍物并对具有一定特征的动态目标进行跟踪航行。系统达成了如下目标：使用激光雷达探测周围环境的障碍物,运用有限的计算资源处理点云数据并保证实时性;通过特征提取、数据关联和运动状态估计,能够持续锁定目标;基于纯跟踪法实现了对目标船的跟踪航行。此项研究对实船应用具有较强的借鉴意义。     

一种船用服务机器人的轨迹跟踪控制

基于旅游类舰船的消费需求不断增加和机器人产业的逐渐普及,设计一种应用于游轮上的船用服务机器人。面对船舶复杂的工作环境等特点,该机器人位置跟踪和姿态跟踪控制显得尤为关键。首先根据驱动原理建立运动学模型,其次借鉴Backstepping方法设计虚拟控制的虚拟反馈,并结合Lyapunov函数构造出具有全局渐近稳定的轨迹跟踪控制器。最后并通过仿真实验证明该法具有稳定性好、响应时间短和稳态误差较小的优点,对机器人技术应用于船舶方向的研究产生了一定的积极影响。     

动力定位船舶全速度路径跟踪CB导引自适应闭环控制

针对仅使用槽道推进器提供横向推力的动力定位船舶路径跟踪控制问题,建立慢变环境干扰影响下的非线性船舶数学模型,设计带有自适应干扰补偿的反步控制算法来消除环境干扰的影响。引入平行目标接近(CB)导引算法为跟踪控制生成期望速度矢量信号,通过与所提出的自适应反步控制算法相结合,得到不受船舶驱动特性限制的全速度范围动力定位船舶导引跟踪控制算法,应用李雅普诺夫稳定性理论证明系统跟踪误差渐进收敛到零。仿真结果表明通过调整导引算法参数可以调节船舶跟踪过程表现,并可以得到较好的控制精度。     

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。     

舰载光电跟踪系统软件优化研究

为了解决与战场环境相适应的红外目标警戒与跟踪问题,在介绍传统的目标检测与跟踪算法基础上,分析了先检测后跟踪算法（DBT）与先跟踪后检测算法（TBD）的优缺点,并结合海空背景下运动目标红外成像特点,提出了一个研究方向—边检测边跟踪算法模型。该模型通过对序列图像中相邻帧间进行匹配,完成一个基本的检测与跟踪过程,与输入单帧图像同步输出目标运动轨迹,适用于舰载光电跟踪仪的软件优化升级,具有较高可靠性、实时性和军事应用价值。     

多无人水面船分布式自适应协调跟踪控制

针对多无人水面船(Unmanned Surface Vessel, USV)协调轨迹跟踪控制问题,基于仅邻近USV可以通信的无向连通通信拓扑,提出分布式自适应协调跟踪控制。使用领航者跟随协调策略,引入虚拟领航者,考虑仅虚拟领航者已知期望轨迹和目标速度的情况,通过获取邻居的实时位置和速度信息,计算每艘USV在团队中的实时期望位置和速度,从而定义聚合跟踪误差。基于聚合跟踪误差建立轨迹跟踪误差系统数学模型,使用自适应项补偿外界环境干扰,提出分布式自适应协调跟踪控制算法。基于Lyapunov稳定性理论,论证聚合跟踪误差收敛,进而得到跟随者相对于期望位置的跟踪误差、速度误差均有界并渐进收敛到零,最后仿真验证理论结果。     

基于面向对象技术的舰船综合电力系统电力网络故障模拟及拓扑跟踪

针对舰船综合电力系统电力网络结构特点,本文实现了基于面向对象技术的对舰船综合电力系统电力网络的拓扑建模。并针对电网故障的随机性特点,在面向对象环境中实现了对随机故障的模拟,同时用深度优先算法进行了快速的拓扑跟踪。算例分析证明了该方法的有效性。     

卡尔曼滤波在水下载体被动弹道跟踪系统中的应用

由于水声环境和信道的复杂性及水下航行载体的高速机动性,被动弹道跟踪系统测量的弹道样点野值较多,平滑性差.要对弹道进行较准确的实时跟踪,需要对弹道测量样点进行统计平滑处理.为了提高被动跟踪系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理是常用的做法.介绍一种经过实用且效果较好的卡尔曼滤波算法,阐述了卡尔曼滤波算法原理和系统采用的信号模型及算法实现,并通过水下目标实航试验监测弹道及算法滤波处理结果的比较,说明该算法具有良好特性.