扩展卡尔曼滤波的目标跟踪优化算法

针对传统扩展卡尔曼滤波算法在多普勒量测目标跟踪情况下估计精度低的问题,提出了扩展卡尔曼滤波目标跟踪优化算法。该算法对传统的扩展卡尔曼滤波算法进行了改进,将仅考虑位置量测的扩展卡尔曼滤波算法推广到包含多普勒量测的算法以提高目标跟踪精度。仿真结果表明,该算法具有较小的均方根位置误差和均方根速度误差,可以很好地提高目标跟踪过程中的精度,可有效应用于机动目标跟踪场合。     

机动目标跟踪的多传感器分层加权融合算法

针对应用并行,Bar Shalom-Campo等融合算法实现多传感器对机动目标的融合跟踪时,经典的交互多模型(IMM)无法提供目标运动模型这个先验信息的问题,提出一种机动目标跟踪的多传感器分层加权融合算法,该算法通过分层加权得到多种融合算法所需的目标运动模型信息,最后使用扩展卡尔曼滤波器(EKF)对状态预测和量测进行融合估计,实现了多传感器对机动目标的融合跟踪。仿真实验表明,和单传感器相比,所提算法显著提升了机动目标的跟踪精度。     

多假目标干扰下组网雷达机动目标跟踪方法

针对距离多假目标干扰下,单站雷达视角单一,获取信息量少,对机动目标跟踪效果不佳的问题,提出了多假目标干扰下基于组网雷达的机动目标跟踪方法。该方法通过信号似然比预处理与卡方检验相结合进行量测分组,根据多假目标的空间分布特点求解"中心量测",并基于该量测进行球坐标系下的径向最近距离关联,最终在交互式多模型算法(Interacting Multiple Model,IMM)的框架下实现对机动目标的高精度跟踪。仿真结果表明,通过对目标量测的准确选择与融合,相比类似方法,平均位置均方根误差减小了57%,平均速度均方根误差减小了14%,且对机动目标也有较好的适应能力。     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。     

基于空气动力模型的助推-滑翔导弹跟踪

针对助推-滑翔式再入导弹,提出了一种基于空气动力模型的扩展卡尔曼跟踪算法.首先推导了弹体坐标系和东北天坐标系之间的转换关系,接着描述了两种坐标系下再入目标的空气动力模型,然后建立了目标的运动状态方程和量测方程,给出了扩展卡尔曼滤波过程,最后仿真分析了一条助推-滑翔弹道,并结合该弹道进行了跟踪试验.蒙特卡洛仿真结果表明,所述方法比基于未知输入模型的方法跟踪效果更好,且能有效估计目标的空气动力学系数.     

一种红外与雷达信息融合跟踪算法及其性能分析

为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。     

基于惯性/地磁的弹体组合测姿方法

针对单一传感器测姿精度有限和容错性不佳的问题,提出了基于惯性/地磁传感器的弹体姿态组合测量方法。该方法使用矢量因子联邦滤波算法对测量数据进行融合,并针对系统中存在的模型误差和噪声不严格符合高斯分布的问题,使用了改进的强跟踪无迹卡尔曼滤波算法作为联邦滤波的子滤波器。仿真结果表明,本文方法可以获得比任何单一传感器都高的估计精度,并比传统联邦滤波算法的融合精度更高。     

一种系统偏差和目标状态的联合估计算法

单部雷达的系统偏差给整个雷达网的融合效果造成了很大的负面影响,因此人们提出了很多消除系统偏差的方法.文中研究了多传感器系统偏差校准和目标跟踪问题,利用扩展卡尔曼滤波提出了一种系统偏差和目标状态的联合估计算法.Monte-Carlo仿真表明,该算法能有效地估计系统偏差和目标运动状态.     

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。     

基于自适应卡尔曼滤波的环境函数模型修正

为更好地评价制导工具误差,提出一种对环境函数模型修正的方法。利用机动目标跟踪理论和环境函数模型,分别建立了状态方程和观测方程,并利用机动频率自适应算法和偏差协方差自适应算法进行卡尔曼滤波,得到更精确的平台坐标系视加速度。以某型导弹为例,分别用传统环境函数模型和改进后环境函数模型对一段时间内平台坐标系各轴进行了仿真,结果表明该模型有更好的计算结果。     

RUV坐标系下再入段弹道目标跟踪研究

研究RUV坐标系下的再入段弹道目标跟踪算法,该算法利用RUV坐标系下量测线性的优点,可提高目标跟踪精度。针对再入弹道目标,以东北天坐标系下目标运动加速度为基础,通过坐标转换,推导雷达阵面坐标系下的运动加速度;在此基础上通过二次求导及坐标转换推导RUV坐标系下的运动加速度,给出RUV坐标系下独立的状态方程和量测方程,并对采用扩展卡尔曼滤波所需要的关键函数给出显式表达。蒙塔卡罗仿真不同情况下的RUV坐标系下的再入弹道目标跟踪,仿真结果表明,在RUV坐标系下的跟踪较混合坐标系下的跟踪,其精度有大幅提高。     

无味卡尔曼滤波算法分析及其应用仿真研究

无人水下航行器(UUV)进入匹配区时捷联惯导系统(SINS)已积累了一定的误差,采用适当的信息融合策略对误差进行估计和补偿,可提高后续航行精度。通常认为,当系统噪声与量测噪声为加性时,是否将噪声扩展为状态量并不影响无味卡尔曼滤波(UKF)算法性能。针对这种观点,利用变尺度对称集无味变换,在复杂加性噪声模型下,推导并证明了两者的差异,说明了上述观点的不全面性。通过建立水下地形匹配辅助导航系统非线性误差模型,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究其估计效果,并与非扩展状态UKF算法进行对比研究。结果表明,状态扩展有利于提高UKF算法性能,从而证明了理论分析的正确性。     

天基红外低轨卫星伪线性自由段弹道估计方法

分析了天基红外低轨卫星星载传感器对导弹自由段的弹道估计问题.建立了适合天基红外低轨卫星的测量模型,利用伪线性的方法将非线性测量方程转变为线性的伪测量方程,通过Kalman滤波实现对目标的跟踪.提出的伪线性测量-卡尔曼滤波(PL_KF)的弹道估计方法减小了测量方程非线性带来的估计误差,与EKF相比,伪线性测量-卡尔曼滤波(PL_KF)方法收敛更快,有更好的估计精度.     

机动目标的多站无源定位延迟补偿算法

无源定位在目标跟踪领域的应用日益广泛,各测量站信息传输所带来的时间延迟对跟踪精度产生较大影响。基于卡尔曼滤波,设计了一种延迟补偿算法,对时间延迟所产生的跟踪误差进行补偿,以提高跟踪精度。同时,采用交互式多模型对目标的机动运动进行建模,以反映实际目标的运动特性。通过仿真验证了跟踪误差显著减小,证明了补偿算法的有效性。     

一种改进滤波算法及其在目标跟踪中的应用研究

针对无迹卡尔曼滤波算法在滤波迭代过程中可能存在状态协方差矩阵非正定情况,导致跟踪误差较大甚至滤波易发散等问题,对无迹卡尔曼滤波算法进行了改进设计。在滤波迭代过程中对状态协方差矩阵进行QR分解和Cholesky分解,通过分解后的协方差平方根矩阵来进行滤波迭代,从而保证状态协方差矩阵的正定性,并利用加权最小二乘法进行量测数据同步融合。为验证改进算法的有效性,设计了雷达红外联合跟踪系统数据融合仿真测试实验,并与传统无迹卡尔曼滤波算法进行了比较。仿真实验结果表明：改进算法能够有效抑制跟踪误差、提升目标跟踪系统的鲁棒性,可应用于防空武器系统多传感器航迹信息融合系统设计。     

陀螺/加速度计稳定环对“动中通”系统的扰动校正

针对"动中通"系统两次上位机指令间隔中载体姿态变化的扰动,提出了基于三轴陀螺和加速度计的稳定回路跟踪控制方法。该方法在传统伺服系统电流环、速度环和位置环的反馈回路中增加了负载速度前馈补偿和稳定回路位置校正环节。利用陀螺和加速度计的测量数据融合、稳定跟踪修正的原理隔离载体姿态变化,对测量噪声信号用卡尔曼滤波技术进行估计和误差补偿,有效地提高了系统对姿态扰动的隔离度。仿真验证结果表明,伺服稳定系统的响应时间小于200ms,动态跟踪误差小于0.1°,隔离度高于97%,具有较高的跟踪精度,能够满足工业应用稳定跟踪控制。     

多种异类传感器联合跟踪的异步航迹融合算法

针对多种异类传感器联合跟踪的数据不同步问题,提出了一种适应于工程应用的异类传感器的异步航迹融合算法。首先利用最小二乘估计对红外测角信息进行数据压缩预处理,将预处理之后的红外测角信息与激光测距信息作为光电测量值代入扩展卡尔曼滤波,再利用分布式异步融合算法将光电与雷达进行航迹融合。仿真结果表明,该算法具有很好的跟踪精度、收敛速度和实时性。     

贝叶斯框架下基于凸优化的系统偏差估计方法

针对多传感器协同探测系统中系统偏差呈现出的随机性和突变性,以及估计方法的误差增加、估计鲁棒性较难保证等问题,在贝叶斯估计框架下,提出了基于凸优化的系统偏差估计方法。该方法首先依据最大似然估计准则推导出量测最大似然函数,并将其变形为与状态参数无关的多传感器量测最大似然函数;其次,结合系统偏差投影等式和待估参数范围不等式两类约束条件,将最大似然估计问题转化为具有目标函数、约束函数的凸优化问题;最后,利用拉格朗日乘子方法构造系统偏差二次函数,并在约束条件下利用凸优化技术实现多传感器系统偏差的优化求解。仿真结果表明,相比于同等条件下的其他方法,所提方法提高了估计精度,降低了时间复杂度。     

基于异步量测的多雷达方位误差配准算法

在多雷达数据处理系统中,系统误差是影响目标跟踪和数据融合质量的一个重要因素,且正北方位误差是系统中影响较大的系统误差.针对实际系统中,不同雷达对同一目标的量测大多是异步这一现状,文中提出了采用卡尔曼滤波器进行异步量测的方位误差配准,该算法可将时间对准、位置和方位误差估计同时完成,实时进行方位误差的配准处理.通过仿真验证了算法的可行性和有效性.     

机动条件下坦克行进间射击解命中问题分析

当坦克和目标进行机动时,坦克火炮射击解命中问题求解条件发生了巨大变化,分析表明,过去基于目标作匀速运动的假定使得求解解命中问题误差过大,以致很难命中目标。针对坦克及目标的机动特性,提出了增加车体运动速度传感器补偿弹丸附加初速、采用机动运动模型进行目标跟踪与预测等改进方案。并以"当前"统计模型为例,将目标机动和极坐标系引入的伪加速度一并考虑,直接在极坐标系下设计卡尔曼滤波算法用于解命中计算,在保证计算精度的情况下,减少了部分计算量。仿真结果证明了该方案的有效性。