SUT-H_∞滤波在纯方位跟踪中的应用

目前纯方位目标跟踪的滤波算法主要是UKF与EKF,它们都是最小均方差估计方法,其缺点是鲁棒性能差,易受观测噪声和目标不可观测的影响。为此提出了一种纯方位目标跟踪的鲁棒滤波算法。H∞滤波算法的准则是使由于最大的扰动引起的估计误差最小,因此其鲁棒性能好。由于修正坐标系纯方位跟踪的状态方程的非线性,采用了SUT(Scaled Unscented Transformation)线性化状态方程。通过把SUT和线性H∞滤波相结合,引出了SUT-H∞滤波算法。通过和UKF滤波算法对比,SUT-H∞滤波算法体现出了其良好的鲁棒性和稳定性。     

伪线性卡尔曼滤波在目标被动跟踪中的应用

在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。     

基于递归工具变量卡尔曼滤波算法的纯方位水下目标跟踪

基于纯方位信息的水下目标跟踪中常用的伪线性卡尔曼滤波算法偏差较大、跟踪精度差,结合偏差补偿算法提出一种用于纯方位水下目标跟踪的递归工具变量卡尔曼滤波算法,并将过程噪声协方差的不确定性考虑在内.针对伪线性卡尔曼滤波算法的偏差问题,采用递归工具变量算法的工具变量矩阵来消除量测矩阵与伪线性噪声间的关联性,从而消除偏差.仿真结果表明,所提出的递归工具变量卡尔曼滤波算法在水下方位角噪声较大时也能保持稳定性和跟踪精度.     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.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.     

分布式伪线性卡尔曼滤波纯方位跟踪北大核心CSCD

针对纯方位跟踪(BOT)的非线性滤波和距离可观测性较差问题,提出了一种新的分布式多传感器辅助变量伪线性卡尔曼滤波器(DM-IVPLKF)。该滤波器利用辅助变量伪线性卡尔曼滤波器(IVPLKF)独立处理目标测量值,通过偏差补偿伪线性卡尔曼滤波器(偏差补偿PLKF)解决由于量测向量与伪线性噪声相关而产生的偏差,将递归辅助变量估计方法嵌入偏差补偿PLKF中,对目标状态估计和协方差进行修正。所提算法利用多传感器最优信息融合准则,对目标状态进行融合估计。然后,推导了多传感器BOT的克拉默-拉奥下界(CRLB)。通过仿真实验,将所提算法与传统算法进行对比,仿真结果证明了所提算法具有较高的跟踪精度。     

基于IMM-UKF的纯方位机动目标跟踪算法

针对在非线性机动目标跟踪中存在的滤波器易发散、跟踪误差大等问题,本文在多站纯方位跟踪的基础上,把Unscented卡尔曼滤波(Unscented Kalman filter,UKF)引进到交互多模型算法(Interacting multiple model,IMM)中,设计了交互多模型UKF滤波算法,克服了EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响.最后将该算法与扩展卡尔曼滤波(EKF)、IMM-EKF算法进行了比较,仿真结果表明:IMM-UKF 算法增强了EKF滤波器的稳定性,提高了滤波收敛速度和跟踪精度.     

基于无偏估计的不敏卡尔曼滤波方法

传统不敏卡尔曼滤波方法(UKF)在对极-直角坐标变换中的误差进行分析时,采用了线性近似的简单方式。当量测方位误差较大时,无法准确估计出实际的直角坐标位置与误差协方差矩阵。针对该问题,本文提出了基于无偏估计的UKF(UKF-U),以抑制方位误差对估计结果的影响。仿真实验结果表明,本文方法可有效降低方位误差影响,提升目标跟踪的定位精度。     

Comparison of MPC-SUT-H∞ and CC-SUT-H∞ in bearings-only tracking

提出了SUT-H∞滤波算法,在修正极坐标系和直角坐标系中基于纯方位信息对目标实施跟踪.区别于以往的最小均方差为准则的估计方法,SUT-H∞利用了线性H∞鲁棒滤波准则.采用SUT线性化极坐标系的状态方程和直角坐标系的观测方程,并将其与线性H∞鲁棒滤波相结合,分别在两种坐标系下推导出SUT-H∞滤波算法.通过对MATLAB仿真结果进行对比分析,修正坐标系下的SUT-H∞滤波的稳定性和精度要优于直角坐标系下的SUT-H∞滤波.     

多声传感器异步融合算法

声探测定位技术是利用声传感器接收特定声波信号以确定声源的一种无源定位技术,它具有隐蔽性好、不易受干扰等优点.本文研究了仅能提供方位角信息的异步多声传感器无源探测系统数据融合问题,提出了一种适用于声传感器的在线估计可变周期融合算法.该算法首先采用伪线性算法,将非线性量测方程线性化;然后通过采用参数在线估计和基于运动模型向前追溯确保时间同步的方法,解决了目标跟踪时信号传输时延和传感器异步的问题.通过Monte Carlo仿真表明,在参数在线估计中,步长选取适当时,该算法可以满足声探测系统的精度要求,并且具有收敛快、精度高、稳定的特点.     

一种含模型偏差的GPS伪码跟踪误差估计器

在自适应卡尔曼滤波算法的基础上提出了一种带模型偏差的GPS伪码跟踪误差估计器.分析了偏差产生时信息均值的变化规律,以此构造统计量来检验模型偏差,并根据检验结果以最小二乘法估计其量值.同时,为增强伪码跟踪误差估计量的数值稳定性,将平方根算法与自适应卡尔曼滤波算法相结合,给出了偏差模式下的伪码跟踪误差估计算法.仿真结果表明该算法有效.     

基于深度估计和特征融合的尺度自适应目标跟踪算法

针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺 度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法。首 先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标 方向梯度直方图(HOG)特征和 CN (Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并 利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自 适应的目标跟踪算法。实验结果表明,与经典的 KCF 算法相比,可获得更高的精度,与尺度自适应的判别型 尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好。     

Modified UBB-based input estimation method for nonlinear manoeuvring target tracking problem

The input detection and estimation methods in the manoeuvring target tracking (MTT) application need algorithms for manoeuvring detection and covariance resetting. This algorithm causes an improper delay in target states tracking. In this paper, for solving this problem, unknown but bounded approach for uncertainties modelling is used and a different state space model is developed. In this model, target acceleration is treated as an augmented state in the corresponding state equation. By using interval mathematics, the linearisation error is bounded by an ellipsoidal set and considered in the model development. In augmented state equations, the MTT problem converted to non-manoeuvring target tracking problem. Therefore, the set membership filter is rearranged and used for simultaneous target state and manoeuvre estimation. Furthermore, estimated convex set boundedness is analysed and an upper bound for the estimation error is calculated. The theoretical development of the proposed method is verified with numerical simulations, which contain examples of tracking various manoeuvring targets. The simulation result of the proposed method is compared with traditional input estimation methods. The comparison shows the acceptable performance of the proposed method in the simultaneous estimation of the target acceleration and state vector for the manoeuvring and non-manoeuvring scenarios.     

基于仿真的滤波技术及其在方位角跟踪中的应用

用贝叶斯方法求解目标跟踪问题，实质就是求状态的后验概率密度。基于蒙特卡洛仿真技术实现的滤波算法PF可通过带权重的采样点来近似后验概率密度，实现对状态变量的期望和方差的求取。当采样点足够多时，PF算法可产生对待估量的近似最优而非次优的估计。将基于无迹变换技术实现的滤波算法嵌入到PF算法中，可避免在观测精度非常高时PF算法的失效，同时还能提高估计精度。引入了方位角跟踪的实例，在对该例的仿真中比较了PF类算法和传统卡尔曼类滤波算法在解算精度和滤波时间耗费等方面的性能差异。     

Input estimation with multiple model for maneuvering target tracking

To increase the performance of maneuvering target tracking, an algorithm utilizing input estimation with multiple model based on two independent mode sets is suggested in this paper. The proposed algorithm consists of hypothesized multiple filters to estimate the unknown target acceleration and a test statistic developed from a modified version of the generalized likelihood ratio test to detect the maneuver onset time. An efficient algorithm for the target acceleration estimation is derived to reduce the computational burden of multiple model estimation. A numerical analysis is carried out to obtain the proper window length and the average delay of the algorithm. Performance of the proposed algorithm is evaluated by a series of simulation runs.     

基于DSST的运动目标跟踪算法研究

针对传统MeanShift目标跟踪算法中运动目标有速度较快或者尺度变换时,而不能准确进行跟踪的问题,引入了DSST运动目标跟踪算法。该算法加入了多尺度估计,并且在样本提取时采用多维特征,可以较好的估计下一帧中运动目标的位置。本文分析了DSST算法的原理,并进行了实验仿真。实验结果表明,DSST的运动目标跟踪算法能较好的跟踪视频中的运动目标,可有效处理目标尺度变化问题,实时性较好、可移植性高、且跟踪精度良好等优点,在实际工程中有较好的应用价值。     

采用序贯滤波的红外/ 雷达机动目标跟踪

当机动目标状态是非平稳和非线性时,红外传感器和雷达的目标状态方程和量测方程都是非线性和非高斯的,为了解决经典跟踪算法的残差较大或发散的问题,提出一种新的融合跟踪算法:在对红外传感器和雷达的量测数据进行时间对准和同步融合后,将融合后的量测数据送入重抽样粒子滤波器进行处理以预测和跟踪机动目标.最后给出了一个仿真跟踪实例,并与同类多雷达跟踪的效果进行了比较,说明了异类融合跟踪优于同类多雷达融合跟踪.     

Distributed estimation for adaptive sensor selection in wireless sensor networks

Wireless sensor networks (WSNs) are usually deployed for monitoring systems with the distributed detection and estimation of sensors. Sensor selection in WSNs is considered for target tracking. A distributed estimation scenario is considered based on the extended information filter. A cost function using the geometrical dilution of precision measure is derived for active sensor selection. A consensus-based estimation method is proposed in this paper for heterogeneous WSNs with two types of sensors. The convergence properties of the proposed estimators are analyzed under time-varying inputs. Accordingly, a new adaptive sensor selection (ASS) algorithm is presented in which the number of active sensors is adaptively determined based on the absolute local innovations vector. Simulation results show that the tracking accuracy of the ASS is comparable to that of the other algorithms.     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

一种二元探测传感器网络目标跟踪算法

针对二元探测传感器网络目标定位与跟踪问题,提出一种递推的质心定位方法,推导出了质心定位算法的递推公式。采用序贯最小二乘估计方法,提出了基于递推计算的质心定位结果进行目标跟踪的算法。算法以简单的观测噪声模型体现系统的测量和计算误差,利用序贯最小二乘算法的可变增益,提高了跟踪精度;算法不需要先验统计信息以及序贯式的处理方式等因素,降低了算法的计算复杂度。仿真结果验证了递推公式的正确性和跟踪算法的有效性。     

一种基于运动轮廓的目标跟踪方法

为了解决目标跟踪中出现的遮挡问题,提出了一种基于运动轮廓的日标跟踪方法.通过对当前帧前面两帧图像统计加权来获得背景,并通过网格化加速了目标检测效率,降低了运算次数;然后采用的背景差分法来提取运动轮廓,通过运动轮廓获取目标相关特征进行跟踪,并采用结合基于运动轮廓色度匹配及卡尔曼滤波预测的方法进行遮挡问题的判断和处理.仿真实验结果表明算法可以准确地跟踪目标,并能很好的处理跟踪时出现的遮挡及互遮挡问题.