利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存有不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Q_k的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Q_k,则在机动时的状态估计偏差较小,但当目标不作机动时,此时的Q_k只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

雷达跟踪机动目标的多模型算法研究

研究了多模型算法在雷达跟踪机动目标中的应用,并以所提出的一种多模型算法说明了多模型算法的有效性。     

最优跟踪滤波方法处理有人驾驶机动目标的性能估计

大部分战术武器系统要求能精确地跟踪有人驾驶机动运动体，如飞机、舰艇及潜艇等。为此，本文利用一个既简单易行又能真实体现机动目标运动的目标模型导出了最优卡尔曼滤波。利用这种滤波算法，把参数跟踪精度数据构造成目标机动特性、探测器观测噪声及数据的函数，这样，当探测器跟踪机动目标，提供距离、方位和仰角测量的某种组合时，我们能据此作出跟踪性能的一个快速先验估计。     

基于扩展卡尔曼滤波的多传感器目标跟踪

系统所处环境的复杂性使得现在科技对目标跟踪精度的要求越来越高,而且单传感器状态的估计已经无法满足系统感知外部环境的需要。在此,研究了基于扩展卡尔曼滤波的多传感器目标跟踪方法。仿真表明,扩展卡尔曼滤波对于非线性系统跟踪的效果更好。     

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。     

机动目标跟踪典型算法评述

机动目标跟踪算法可以划分为两种：极大似然法和贝叶斯估计法，前者通过对目标量测序列的分析，采用与当前目标运动模式匹配度最高（极大似然性）的模型（包括系统模型和观测模型）对目标状态进行跟踪和估计；后者则首先假定一组模型，再根据量测序列进一步估计出其中每个模型的匹配概率，最后采用贝叶斯公式对全部或部分模型估计进行综合。在此框架下，论文对其中的一些典型算法进行总结和分析。     

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。     

基于UKF的潜艇机动目标跟踪

针对潜艇攻击机动目标难的问题,构造了潜艇针对机动目标的跟踪系统,建立了目标运动方程和观测方程,并将UKF算法运用于潜艇对机动目标的跟踪。仿真结果表明,此方法有效、可靠,较好地达到了跟踪机动目标的目的。     

基于UML的机动目标跟踪体系结构框架

针对机动目标跟踪系统开发中存在的体系结构复杂、算法通用性弱的问题,分析了利用面向对象的方法建立其体系结构框架的意义,介绍了基于UML的体系结构框架的设计方法,设计了机动目标跟踪系统的体系结构框架。由用例视图描述需求,逻辑视图描述逻辑结构。通过分层和包的分解,将系统从逻辑上划分成松散耦合的多个组成部分。采用时序图和状态图从动态的角度对框架进行了描述。基于该框架实现的应用系统具有良好的扩充性和重用性,有效地降低了应用系统的研发成本。并且为今后此类框架的研制开发提供思路,具有一定借鉴和指导意义。     

航道辅助地波雷达机动目标跟踪研究

交互多模型Interacting Multiple Model,IMM）方法应用于高频地波雷达（High Frequency Surface Wave Radar,HFSWR）机动目标跟踪时,其固定的模型集合与转移概率矩阵会导致模型竞争与模型概率切换滞后,降低了目标状态估计的准确性,容易引起航迹断裂、丢失等问题。为此,对基于航道辅助的交互多模型地波雷达机动目标跟踪方法进行了研究。首先,利用有向图模型估计海上航道并提取航道信息,判定目标所处的航道位置并据此自适应切换目标运动模型集合;然后依据确定的模型集合进行多模型滤波,利用滤波新息构造运动模型的极大似然函数并计算每个模型的似然值,通过计算运动模型之间似然值比值计算概率修正因子,采用概率修正因子与原模型转移概率矩阵的乘积更新模型转移概率矩阵。利用仿真与实测数据开展了海上机动目标跟踪实验,结果表明,与传统IMM算法相比,本文方法可显著提升模型概率的切换速度,跟踪得到的航迹维持时间提高了54.2%,算法运行时间减少了30%,运动模型匹配平均概率提高了14.1%,实现了对海上目标的长时跟踪。     

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法.仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性.     

机动目标跟踪系统仿真软件设计与实现

针对机动目标跟踪算法的研究,采用C／S（Client／serve,客户机／月艮务器）体系结构和面向对象的模块化设计思想,设计了机动目标跟踪系统仿真软件,利用剧情生成模块模拟雷达探测到的目标运动数据,通过跟踪算法对目标实施跟踪处理,估计目标运动状态,实时地在演示界面上显示目标运动信息和跟踪性能评估结果,为机动目标跟踪算法研究搭建了一个具有较高可信度的、直观的仿真系统。     

一种新型模糊控制器在机动目标跟踪中的应用

提出了一种新型模糊控制器,该控制器集模糊控制和神经网络的优点于一体,可有效解决模糊控制的死区问题,提高快速性.并将其应用于机动目标跟踪中,使跟踪问题有了一种新的解决办法.     

一种新型模糊控制器在机动目标跟踪中的应用

提出了一种新型模糊控制器,该控制器集模糊控制和神经网络的优点于一体,可有效解决模糊控制的死区问题,提高快速性。并将其应用于机动目标跟踪中,使跟踪问题有了一种新的解决办法。     

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。     

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.     

一种基于位置误差检测门限的机动目标跟踪算法

文章针对交互多模型算法（IMM）运算量大、模型集设定偏离真实目标机动轨迹等情况,通过将变结构交互多模型算法（VSMM）的机动检测准则进行改进,提出了一种基于位置误差检测门限的VSMM算法。通过将两种算法的跟踪效果进行仿真对比,结果说明文章所提算法能够较为有效地改善对机动目标的跟踪情况,具有一定的理论价值。     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。     

舰炮武器机动目标跟踪和攻击技术分析

针对舰炮武器机动目标跟踪和攻击需求,分析了目标机动的原因,给出了空中典型机动目标运动的数学模型,重点阐明了舰炮武器系统在机动检测、滤波、跟踪和攻击等四个方面应增加和强化的关键技术,有效提高武器系统对机动目标的跟踪精度和作战效能。