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。     

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。     

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。     

反舰导弹机动自适应跟踪算法研究

针对目前舰艇日益严峻的对空防御形势,为提高舰艇对反舰导弹机动突防的探测跟踪能力,首先阐述了目前反舰导弹的典型机动方式,然后在分析“当前”统计模型算法及其部分改进算法缺陷的基础上,提出了一种新的双参数自适应跟踪算法,并以反舰导弹典型机动为例进行仿真验证.实验结果表明,提出的改进算法自适应能力更强,能有效地提高机动目标的跟踪精度.     

交互式多模型在舰载火控雷达拖引目标跟踪中的应用

针对舰载火控雷达中可能存在拖引欺骗,本文讨论了目标跟踪问题中的运动模型,建立了交互式多模型。同时,本文还研究了在杂波环境下航迹初始、保持和消失的决策。最后进行了空间位置和径向距离的RMS误差仿真,仿真结果表明,本文算法在精度控制方面性能高,能够有效的对雷达的真实回波进行检测。     

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。     

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。     

雷达跟踪目标的残差检测自适应多模型算法

提出了一种基于残差的自适应多模型算法，通过残差的大小来分配多模型中单个模型在整体估计中的权重。本算法无须机动检测，从理论上避免了延迟。通过Monte Carlo仿真表明本算法的有效性。     

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.     

基于改进BP算法的多目标跟踪研究

本文讨论了机动多目标跟踪的改进BP神经网络方法,它不同于传统的机动多目标跟踪方法,无需对机动目标运动方程的结构有明确的了解.仿真结果表明,此方法不仅可以解决传统方法带来的计算量组合爆炸问题,而且对于机动目标的状态估计有较高的精度和可信度.     

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.     

一种岸上目标跟踪算法

结合地面目标运动特征和地理信息之间的关系,基于图像序列配准输出的目标位置伪量测值,建立利用地理信息实现对岸上运动目标跟踪的数学描述。分析岸上不同的运动模式,设计目标运动模型集,提出基于位置滤波不确定区域与道路是否相交基础上的运动模式判别方法,给出基于运动模型动态调整的自适应滤波算法。仿真结果表明,提出的方法和算法是有效的,具有重要的应用参考价值。     

双波段红外警戒机动目标的跟踪算法

介绍了卡尔曼滤波在单波段红外警戒机动目标跟踪中的应用,利用最小方差数据融合算法,实现了双波段红外警戒机动目标的搜索与跟踪。     

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.     

船舶导航系统机动目标高精度跟踪系统

海洋环境的机动目标跟踪和识别是船舶承担的一项重要任务,机动目标包括周围船舶、水上探测器等,在机动目标跟踪与识别过程中,海上气象噪声、目标的机动性等都会使目标跟踪精度受到影响,针对这一问题,本文开发了船舶导航系统机动目标高精度跟踪系统,通过建立机动目标的时空模型,结合滤波器及信号处理技术,提高了海上机动目标的高精度跟踪,具有实际应用意义。