杂波环境下机动目标跟踪算法研究

杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点，其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合，提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法（MMAPF）。仿真结果表明，该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比，在相同的情况下，具有更高的滤波精度和较好总体性能。     

基于当前统计模型的一种双自适应模糊滤波算法

在当前统计模型的基础上,提出一种双自适应模糊滤波算法.该算法利用模糊推理机制及结合升半正态形模糊分布函数,对最大加速度和过程噪声协方差矩阵进行双自适应调整.针对阶跃机动,引入强跟滤波器达到增强跟踪机动目标的能力.仿真结果表明,该算法提高了机动模型与目标实际机动模型的匹配程度以及对强机动目标跟踪的精度,改善了滤波器的跟踪性能,克服了对弱机动目标跟踪性能的不足.     

机动目标的卡尔曼滤波

本文提出一个对于水下机动目标的跟踪滤波器。我们采用两状态模型与可变记忆滤波方法来适应目标的机动运动。采用增益的指数近似和混合坐标系达到预测和滤波的较好效果。此滤波器可以处理远处慢机动目标，也可处理近处快机动目标，可以处理间断性机动，也可处理连续性的机动。所用各种技术具有通用性，因而可推广到其他场合。     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题，提出了一种修正极坐标系下的自适应卡尔曼滤波算法，对虚拟系统噪声进行估计，动态补偿模型线性化误差，对其滤波理论及算法进行了研究和仿真．仿真结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法．     

一种单站纯方位目标跟踪中的线性近似化滤波算法

针对EKF算法中存在初始化困难的缺陷，利用近似线性化的方法，构建基于修正极坐标系下的近似线性最小二乘滤波算法ALF；以ALF作为EKF滤波器的初始化算法，实现联合ALF和EKF的两阶段滤波算法，并将它应用在水下单站纯方位目标跟踪中。仿真结果表明，由ALF和EKF组成的两阶段滤波算法具有很好的稳定性，算法精度较高，是一种有效的算法，对潜艇实施隐蔽探测与跟踪具有重要意义．     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响，致使滤波协方差阵不对称或负定，从而导致滤波器发散，影响法波算法的收敛速度和稳定性。该研究在机动加速度“当前”统计自适应卡尔曼滤波算法的基础上，引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法。仿真结果表明，该算法可以较好地跟踪机动目标，具有精度高、稳定好、收敛快等特点。     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

基于并行处理机制的多基地雷达多目标跟踪算法

针对用多基地雷达系统跟踪近距离多高速机动目标的场合,提出了一种基于并行处理机制的跟踪 算法。该算法将整个观测数据的关联过程拆分成若干个并行子关联进程,并将确定目标的跟踪过程拆分成 两个并行的三维子进程,同时对距离和拟测值及多普勒速度拟测值进行迭代滤波。仿真结果表明,该算法不 仅能够在杂波中快速精确地跟踪多个机动目标,而且具有很好的收敛特性和稳定性。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

卡尔曼滤波器在光电经纬仪中的应用

为了解决光电经纬仪电视跟踪系统脱靶量滞后对控制系统跟踪精度及稳定性的影响，将预测滤波技术应用到光电跟踪系统中，提出了极坐标下卡尔曼滤波算法，目标模型采用等速运动并附有时间相关的随机加速度，增加了延时补偿。仿真结果表明，跟踪误差减小，当跟踪目标从视场消失时，控制系统按照预测的目标信息跟踪。     

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。     

预测滤波技术在光电经纬仪中的应用仿真

针对光电经纬仪的电视跟踪系统脱靶量动态滞后问题,引入了预测滤波技术,分析指出经纬仪跟踪的目标在摄像机靶面上的成像点运动为机动,且认为机动加速度服从修正瑞利分布,采用基于机动目标“当前”统计模型的自适应卡尔曼滤波算法进行误差动态补偿,仿真结果表明,该算法较传统方法不但补偿精度高且极大抑制了随机误差。     

一种基于MMPF-TBD的机动弱目标检测方法

针对低信噪比条件下机动目标实时检测与跟踪问题,提出一种改进的基于多模型粒子滤波的检测前跟踪(MMPF-TBD)方法.通过滑窗平均法判断粒子集是否受上一时刻目标估计结果的影响,当判断值超过设定阈值时,则根据上一时刻的目标检测概率与状态估计分布添加新粒子集,再用扩展后的粒子集对目标进行检测与估计,与现有方法的仿真比较表明,本丈所提的改进方法能够有效地解决粒子退化问题,并在满足系统实时性的前提下,提高了对于机动微弱目标的检测概率和跟踪精度.     

双子阵被动跟踪系统

文章介绍一种用于水下机动目标测量的双子阵被动跟踪系统,介绍了双子阵定位原理和系统构成,提出了广义相关时延估计方法、时延值滤波方法和卡尔曼弹道滤波器,该系统能方便地进行水面或水下机动目标的跟踪测量。     

Autonomous target tracking and following mobile robot

Tracking and following a moving target in real time is a very challenging task in autonomous mobile robot applications, due to the unstructured and unknown environment. In this article, a real time, autonomous, dynamic, whole-field target tracking system (360° coverage) is developed based on a pan/tilt/zoom CCD vision system. The vision system scans and locks the pose of the moving target and commands the tracking mobile robot to follow the target while avoiding obstacles. Bayes’ theorem-based foreground–background segmentation algorithm is applied for motion detection. The color-based particle filter algorithm is used to track the moving object. The system steers the tracking mobile robot toward the moving target based on the angular difference obtained from the tracking module. Fuzzy logic is applied and a sensor data fusion algorithm is developed to reduce the ultrasonic phantom effect of obstacle detection using eight ultrasonic sensors. Multiple behaviors are integrated through the proposed system. Experimental results show the proposed system can successfully track and follow a moving target and avoid obstacles in real time. The tracking accuracy is higher than 80%.     

基于统计学习的运动目标轨迹跟踪

为了更准确地跟踪被动辐射源的运动轨迹,提出了一种将到达时差(TDOA)最大似然定位方法与基于统计学习的算法相结合的轨迹跟踪算法.该算法利用TDOA最大似然网格搜索法对目标进行多次单独定位,获得目标初始轨迹,然后应用统计学习算法对轨道进行学习和拟合,输出运动轨迹.仿真表明,同卡尔曼滤波器相比,该方法提供了更高的跟踪精度,当拟合点数达到300个点时,最终的跟踪精度同单次定位精度相比可提高一个数量级.     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

扩展容积卡尔曼滤波定位技术研究

为提高被动定位技术的精度与环境适应性,本文提出运用一种新的非线性滤波方法—扩展容积卡尔曼滤波算法进行多角度传感器目标定位;它首先利用EMD(经验模态分解)算法对目标的量测噪声协方差矩阵进行估计;然后,将过程噪声协方差和量测噪声协方差融入循环过程;同时,为保持算法的稳定性和正定性,利用求平方根的形式对算法改进。通过对扩展容积卡尔曼滤波与UKF(不敏卡尔曼滤波)算法跟踪目标的结果进行比较,在运算复杂度与UKF相当的前提下,扩展容积卡尔曼滤波算法不仅可以对未知量测噪声情况下的目标进行跟踪,而且显著提高了被动定位的精度。