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。     

一种基于BP神经网络的机动目标跟踪算法

交互式多模型（IMM）算法是一种可以有效跟踪机动目标的滤波算法,针对其跟踪精度和计算量在很大程度上受制于模型选择和转移概率确定的问题,提出了一种利用BP神经网络修正子模型滤波结果的改进IMM算法。仿真实验表明,该方法可以使IMM算法的收敛速度加快,收敛精度提高,改善了跟踪性能,具有一定理论指导意义。     

变步长BP网络优化导航雷达跟踪滤波系统的研究

本文提出了采用变步长ＢＰ网络实时处理导航雷达目标跟踪滤波数据。其原理是在ＢＰ算法中加入变动量因子,用Ｎ层变步长寻优进行前馈神经网络的学习。该算法能够根据输入时间序列的特点自适应调整网络优化步长,对匀速和变加速运动目标的稳定跟踪精度分别在７．５ ｍ 和１１ ｍ 以内,而对急转弯的目标抖动２～４ 次就能及时跟踪上     

基于模糊粒子滤波的视频跟踪方法研究

智能视频监控系统的基础就是对监控范围的视频序列中目标进行有效实时的跟踪,针对当前跟踪方法在光照突变、部分遮挡情况下的跟踪缺陷,本文提出了一种利用模糊粒子滤波（Particle Filter,PF）进行视频目标跟踪的新算法.该算法结合模糊控制理论,引入量测的模糊性来克服特征信息的不确定性,并建立一个基于背景建模技术的自适应高斯混合模型和基于序贯蒙特卡洛的跟踪算法（sequential Monte-Carlo-based）.在新算法的指导下,针对静止摄像机在光照条件改变以及目标发生部分遮挡的情况进行了深入的研究.通过多种模糊量测技术的比较和应用,本文方法实现了多个目标精确有效跟踪.     

模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。     

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。     

雷达机动目标的自适应跟踪算法

机动目标跟踪一直是雷达目标跟踪的重点难点,论文建立了一种当前统计模型的目标运动模型,给出了概率密度以及非零均值目标加速度随机过程数学表达式,结合基本Kalman滤波,建立了基于该模型的机动目标跟踪自适应算法.最后针对实际目标机动情况,对其进行仿真计算,仿真结果证明,该算法具有良好的跟踪性能.     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

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。     

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。     

基于EKF的双站测向无源定位跟踪方法研究

对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,采用扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为0.001rad时,对机动目标定位跟踪的相对测距误差保持在2%以下,滤波跟踪效果良好,表明该方法对无源定位跟踪是有效的,对工程应用有一定指导意义。     

基于自适应多分辨率曲面的多波束滤波方法研究

针对常规固定分辨率曲面滤波精度不足的问题,提出一种基于自适应多分辨率曲面的多波束滤波方法.在地形变化较大的陡坎和细小目标突起物等测量环境下,多分辨率曲面根据地形坡度变化,对有特征地形或地物的局部区域,自动增强多波束水深曲面的分辨率,从而得到更精确的水底表面模型.基于该表面模型可进行自动滤波,从而保留更加完整的水下地形特...     

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。     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

基于UKF的GPS L1C/A码微弱信号跟踪算法

为了实现高灵敏度的软件接收机,提出了一种基于UKF的GPS L1 C/A码微弱信号跟踪算法.该算法使用UKF实现了微弱信号的L1 C/A码和载波跟踪.通过构建模型,建立方程,并通过采用仿真噪声干扰下的微弱GPS C/A 中频信号对该算法进行实验性能分析.仿真实验结果表明,UKF算法可以实现对载波相位跟踪、载波频率跟踪以及码相位跟踪性能的改善,并且大大简化了计算的复杂度,具有较高的跟踪灵敏度和精度,是一种适合软件接收机实现的算法.     

基于GPS信号多普勒补偿的空中目标探测方法

针对现代雷达面临的恶劣战场环境,提出了基于GPS反射信号处理的空中目标探测方法。介绍了一种基于分组信号FFT处理的多普勒补偿算法,抑制了目标多普勒频移对GPS信号自相关性能的破坏。对FFT处理后信号进行不同的多普勒模糊度修正,然后对修正结果脉压后取大,消除了多普勒测量模糊,实现了对目标速度的准确测量。仿真表明：在多普勒完全补偿的情况下,该方法可获得40Hz的多普勒测量精度和良好的信号处理增益,扩展了多普勒测量范围和精度,能够实现空中目标探测。     

基于大地坐标的多舰协同超视距目标指示研究

针对超视距目标指示问题,建立了基于大地坐标的目标运动方程和观测方程,并将UKF滤波方法运用于目标的跟踪.由多艘舰艇组成一个协同的目标指示系统,并将一种新的分布式融合算法运用于该系统,提高了目标的跟踪精度.仿真结果验证了该算法的有效性.     

弹道再入目标轨迹跟踪中非线性滤波算法研究

弹道再入目标轨迹跟踪是一个重要的非线性滤波应用问题。论文将常见的非线性滤波器分类为基于点的滤波器和基于密度的滤波器,对比分析了各类算法的基础理论原理,仿真实验得出在高斯噪声条件下,EKF要优于UKF和PF,在闪烁噪声条件下PF要优于EKF和UKF的结论。