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。     

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。     

卡尔曼滤波算法在船用雷达运动目标跟踪滤波器中的应用

首先介绍离散卡尔曼滤波的系统模型并进行理论分析,在观测噪声矢量是白噪声的情况下设计船用雷达运动目标跟踪滤波器,然后模拟实际海面跟踪目标来获得发送端数据进行滤波器的性能仿真。实验结果表明,当观测噪声协方差矩阵和实际的噪声协方差矩阵相近时,卡尔曼滤波器具有滤波精准度高、收敛速度适中及稳定性强等优点。     

海洋船舶的轨迹估计算法

基于用于相同目的的线性位置模型的测量,提出一个基于曲线运动模型的机动海洋船只模型。假定系统状态和测量模型的噪声都是高斯白噪声,提出将扩展卡尔曼滤波器用于估计位置、速度和加速度的自适应滤波器算法,用于预测机动的海洋船舶轨迹。最后,提出的模型被实施,并成功地进行了船舶操纵轨迹预测。     

飞艇与无人机协同对海上运动目标定位跟踪研究

为实现飞艇、无人机协同对海上运动目标定位跟踪,通过一系列坐标转、变换将无人机测得目标位置转换到飞艇相对地理参考系中,并应用改进的Sage-husa自适应卡尔曼滤波实现对目标的跟踪,改进的卡尔曼滤波器是在Sage-husa噪声估计器基础上进行递推推导并引入权值系数,仿真表明,改进的滤波算法稳定性好,精度高,具有较快的收敛性和较强的自适应性。     

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。     

利用子波变换实现的雷达目标跟踪滤波器

本提出了利用非降样子波分解实现的雷达目标跟踪滤波器,并对其性能进行了理论上和实验上的分析。分析表明这一滤波器对噪声强度和目标机动的变化比卡尔曼方法具有更好的鲁棒性。     

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。     

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。     

鲁棒最小方差滤波在惯导初始对准中的应用研究

在运载体机动时，卡尔曼滤波器会导致捷联惯导系统初始对准时产生较大的机动误差。而H∞鲁棒滤波技术将噪声和不确定输入看作是只知道上界的参数，而不是统计特性服从某一分布的随机向量，从而提高了系统的鲁棒性。但由于H∞滤波一般不单独考虑系统不确定项的影响，从而得到的结果较为保守。因此，学者们又提出了离散时间不确定系统的鲁棒最小方差滤波技术。计算机仿真结果表明，用鲁棒H∞滤波器和鲁棒最小方差滤波器代替卡尔曼滤波器对SINS初始对准时的状态变量进行估计校正后，能有效降低SINS初始对准的机动误差，提高系统初始对准的精度。但鲁棒最小方差滤波器比鲁棒H∞滤波器滤波校正效果更好。     

海洋船舶的轨迹估计算法

准确估计和预测海洋导航中机动船舶的轨迹是改善海上安全和保安的重要工具。因此,许多常规海洋导航系统和船舶交通管理和报告服务都为此目的配备了雷达设施。然而,船舶操纵轨迹的预测的准确性主要取决于船舶位置,速度和加速度的估计的良好性。因此,本研究提出了一个基于曲线运动模型的机动海洋船只模型,其基于用于相同目的的线性位置模型的测量。此外,还假定与白高斯噪声相关联的系统状态和测量模型。扩展卡尔曼滤波器被提出作为用于估计位置,速度和加速度的自适应滤波器算法,用于预测机动的海洋船舶轨迹。最后,提出的模型被实施,并获得成功的计算结果,在本研究中的海洋导航中的船舶操纵轨迹的预测。     

基于距离参数化EKF滤波器的纯方位目标运动分析

针对纯方位机动目标运动分析问题,提出一种距离参数化EKF(RPEKF)滤波器设计方法,该方法能够有效降低探测平台与目标初始距离不确定性影响,提高目标运动状态估计滤波收敛性。针对水面目标典型机动形式,给出一种适用于RPEKF滤波器目标机动检测方法,基于评估目标方位角观测误差与目标运动状态协方差矩阵检测目标机动,通过重置滤波器保证目标运动状态估计滤波稳定。数字仿真分析结果表明,本文提出的算法能够实现对水面机动目标运动要素的快速无偏估计。     

MSINS/GPS深组合导航系统中量测噪声估计

在MSINS/GPS深组合导航系统中,伪距、伪距率噪声对应的量测噪声阵R随环境、卫星位置的改变而改变,它对卡尔曼滤波器的性能影响很大.定点观测能得到量测噪声阵R的准确估计.仿真研究表明,对于MSINS/GPS深组合导航系统,当采用定点观测法估计量测噪声阵R时,卡尔曼滤波器能较好地估计导航参数误差.若适当减小量测噪声阵R,卡尔曼滤波器将提高估计导航参数误差的精度,加快收敛速度.     

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.     

机动目标无源自适应跟踪算法研究

论文提出了一种对空中机动目标进行三位测向无源自适应跟踪的新算法.该算法把目标机动加速度看成是未知的输入向量附加到状态方程中去,然后利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度,仿真结果表明,该算法不需要对目标进行机动检测,它能够适应目标机动和非机动两种工作模式,实现对空中机动目标的自适应无源跟踪.     

多模型估计理论

研究利用多模型来副近系统的动态性能,基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器.通过仿真研究表明,在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题.多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性.研究表明,运用多模卡尔曼滤波能改善系统的瞬态响应,覆盖大范围的参数不确定性.     

多模型估计理论

研究利用多模型来逼近系统的动态性能，基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器。通过仿真研究表明，在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题。多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性。研究表明，运用多模卡尔曼滤波能改善系统的瞬态响应，覆盖大范围的参数不确定性。     

基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合，提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统，应用强跟踪滤波器，得到目标状态基于全局信息融合估计结果，并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题，从而丰富和发展了多源信息融合理论。     

一种水下被动跟踪用的自适应两极卡尔曼滤波装置

由于目标的距离不是直接提供的，因此利用被动测量方法估计声源目标轨迹是困难的。用来计算距离的非线性方程以不便 计算的形式传递测量误差，引起了估值器在估计距离时大的偏差。许多学才为这是实际测量系统性能的局限性。本文提出了解决的有效方法是把滤波问题为两满足消除距离偏差和满足声源目标机动性这两个互相制约的要求，设计控制第一级滤波器是关键。本文提的滤波器的一种新的控制结构是权衡上 述两个互相制约要求的方案。通过仿真，证明了这种结构不仅显著降低了距离偏差，而且在目标距离变化时，能良好地跟踪机动目标。本方法和以往的一些方法相比，明显地降低了距离偏差，并且显著地改善了跟踪目标的稳定性。