RGPO 干扰下基于改进的IMM-PDAF 的机动目标跟踪技术

研究了距离波门拖引(RGPO)干扰下杂波环境中机动单目标的跟踪问题,在建立RGPO 干扰条件下雷达量测模型的基础上,提出了一种RGPO 干扰下基于改进的交互多模型-概率数据关联算法(IMM-PDAF)的目标跟踪技术。该技术联合RGPO 鉴别与跟踪一体化。在干扰鉴别上,采用信号似然比预处理、角度研究了距离波门拖引(RGPO)干扰下杂波环境中机动单目标的跟踪问题,在建立RGPO 干扰条件下雷达量测模型的基础上,提出了一种RGPO 干扰下基于改进的交互多模型-概率数据关联算法(IMM-PDAF)的目标跟踪技术。该技术联合RGPO 鉴别与跟踪一体化。在干扰鉴别上,采用信号似然比预处理、角度 检验以及m / n 逻辑检验方法。在跟踪算法方面,采用提出的基于量测功率特征的IMM-PDAF 算法,同时目标状态更新依据是否存在干扰采用不同的方法。若存在RGPO 干扰,则根据RGPO 假目标与真目标量测对的特点,采用提出的距离最近选择、角度数据压缩方法合成新量测对目标状态进行更新,若无RGPO 干扰,则综合功率和位置特征对所有量测进行加权更新目标状态。仿真结果表明,该技术不仅能有效剔除RGPO 干扰对跟踪算法带来的不良影响,而且具有良好的机动目标跟踪性能。 检验以及m / n 逻辑检验方法。在跟踪算法方面,采用提出的基于量测功率特征的IMM-PDAF 算法,同时目标状态更新依据是否存在干扰采用不同的方法。若存在RGPO 干扰,则根据RGPO 假目标与真目标量测对的特点,采用提出的距离最近选择、角度数据压缩方法合成新量测对目标状态进行更新,若无RGPO 干扰,则综合功率和位置特征对所有量测进行加权更新目标状态。仿真结果表明,该技术不仅能有效剔除RGPO 干扰对跟踪算法带来的不良影响,而且具有良好的机动目标跟踪性能。     

雷达数据处理中非真实目标点迹的处理

雷达的目标提取器不仅能检测、录取真实目标的点迹数据，同时还能将由机内噪声、地物杂波、积极干扰和／或消极干扰、目标本身的副瓣等所产生的点迹数据送进计算机进行处理。这不仅加大计算机的处理量，而且也使目标跟踪困难，本文分析了雷达数据处理中这些非真实目标点迹的抑制和／或消除方法，给出了数据处理的流程图。     

雷达组网数据融合处理中的点迹融合技术

基于点迹的雷达组网系统，可以充分发挥多雷达信息的优势，提高目标航迹起始概率，改善系统跟踪性能。本文结合工程实践，详细分析了组网雷达数据融合处理中的点迹融合技术，以及点迹关联处理的一般步骤和常用关联滤波方法，最后对点迹融合性能做了定量的分析。     

基于方位机扫雷达的机动目标双波门跟踪方法

点迹-航迹处理是雷达航迹跟踪过程中的重要一环,是把雷达探测到的点迹与已知航迹进行比较,然后正确关联配对的过程。复杂环境下的目标跟踪要求点迹-航迹关联处理、目标航迹跟踪的滤波和预测都要可靠,正确的点迹-航迹关联结果会产生较为准确的滤波和预测,而准确的滤波预测又会促进点迹-航迹的正确关联,二者之间是相辅相成的。常规跟踪法在目标机动尤其是悬停情况下的跟踪难度较大,多次掉点后不易重新正确关联,容易出现掉批、误关联等情况的发生。本文提出了一种基于前后双波门的机动目标跟踪法,可以使方位机扫雷达较好地连续跟踪机动目标。     

隐身目标点迹融合探测跟踪方法设计

该文立足于重点解决舰载组网雷达对隐身目标探测能力弱的问题,提出一种基于点迹信息融合的目标探测跟踪方法.通过对隐身目标细微特征的提取,成功保留了雷达所探测到目标的原始信息,并充分利用雷达探测回波的点迹信息对雷达数据融合方法进行优化改进,克服原有数据处理方法的缺陷,加快航迹起始速度,提高航迹的维持时间以及稳定性,保证对隐身...     

基于多普勒雷达组网的机动目标跟踪

非轨道飞行器跟踪需要大型的跟踪网,跟踪设备包括大型测距、测速雷达,光学经纬仪等,系统庞大,建设、维护成本高。多普勒雷达测量精度高,结构简单,易于小型化,成本较低,但一直只是被作为跟踪网的测速辅助设备,还没有被单独用来组建跟踪网。文中针对非轨道飞行器,提出了采用多台多普勒雷达构建高精度、低成本的飞行器跟踪网的思路和算法。跟踪算法采用"当前"统计模型和自适应Kalman滤波。仿真结果表明,采用多台多普勒雷达构建高精度、低成本的机动目标跟踪网是可行的。     

舰载相失阵雷达机动目标跟踪技术

文章讨论舰载相控阵雷达的机动目标跟踪问题；提出一种自适应卡尔漫滤波与动态补偿技术相结合的方法来实现动载体环境下相阵雷达对于机动目标的有效精确跟踪，并给出仿真结果。     

多传感器机动目标跟踪

本文提出了一种用于跟踪机动目标的被动多传感器航迹融合方法，它与点迹融合相比性能虽略有下降，但却大大降低了融合中心的计算负但及网间通信需求，在高密度杂波环境中尤其如此。这种航迹融合的方法考虑到不同传感器间共同的系统扰动所造成的估计误差的相关，从而得到最优的融合算法。     

自行高炮射击指挥雷达的多机动目标跟踪软件

已经研制完成的自行高炮射击指挥雷达的多机动目标跟踪软件，采用了机动加速度突变型，回波动态分区和整体相关，多准则模糊决策关联，航迹的模糊起始以及可靠性设计等新技术，在实际应用中显示了优良的性能。     

组网雷达在干扰条件下的目标跟踪

提出了一种以扩展的伪线性滤波为基础的异步多传感器融合跟踪算法，这种算法能在干扰条件下了地保持对目标的跟踪，比较了它和ＭＧＥＫＦ算法对单目标的跟踪性能。同时，在此方法基础上，结合简化的ＪＰＤＡ技术，实现了杂波环境下对交叉运动的多目标跟踪，最后给出了仿真结果。     

一种有效的RGPO干扰鉴别算法及性能分析

本文研究目标跟踪时的距离门后拖(RGPO)干扰鉴别问题,分析了现有χ²检验算法的不足,在χ²检验算法的基础上,提出了一种采用信号似然比预处理和移位寄存器后处理相结合的鉴别算法,称之为Chi+SLR+register算法.该算法在最佳寄存器长度下,能使误判概率最小.在相当宽的寄存器长度范围内,该算法都有很好的鉴别性能.此外,该算法在有SOJ干扰时,也能保持高的鉴别率,因而是一种更有效的RGPO干扰鉴别算法.     

基于交互多模算法在非线性测量方程下的机动目标跟踪

针对非线性测量下的机动目标跟踪问题，本文基于交互多模型算法（IMM），采用去偏转换测量卡尔曼滤波（CMKF－D）的方法，把在极坐标系下得到的测量值转换到直角坐标系中，用统计的方法求出转换测量值的误差均值和方差，将转换测量值去偏后再进行卡尔曼滤波，仿真结果表明，算法提高了基于非线性测量方程的机动目标跟踪性能。     

强跟踪自适应滤波器实现机动目标的精确跟踪

机动目标状态估计中的一个主要问题是:目标运动的突变性导致状态噪声无法进行统计预测.传统的EKF将噪声看成是高斯白噪声有着本质上的不足,因而无法实现稳定的跟踪.引入Sage-Husa滤波算法对有色噪声进行在线的估计,一定程度上弥补了目标运动模型不够合理的缺憾.在此基础上,从系统容错设计基本原理出发,用归一化残差功率法实时地检测可能出现的数值发散现象,一旦检测到发散,印通过一种改进的强跟踪自适应滤波器进行抑制,有效地提升了滤波的健硕性,实现了稳定跟踪.最后,针对高机动目标的运动特性,仿真验证采用变维滤波模型,用EKF对目标的简单机动进行跟踪,只有目标运动突变时才采用本文提出的算法,以提升计算的实时性.仿真结果表明此算法对高机动目标的跟踪是有效的.     

一种改进的机动目标跟踪算法

Singer模型是一种全局统计模型，它考虑了目标所有机动变化的可能性，适合于各种情况和各种类型的机动。由此也导致每一种具体战术情况下的每一种具体机动发生的概率势必很小，所以其跟踪精度不高。UKF—Singer算法通过设计逼近系统状态的分布Singer点，采用UT变换，最后获得滤波值基于状态方程的更新，有效解决了传统Singer模型存在的问题，提高了其跟踪精度。通过仿真试验证实了该算法是有效的。     

组网红外/雷达协同间歇式目标跟踪

为进一步提高组网火控雷达间歇跟踪系统性能,提出了基于组网的红外/雷达协同间歇跟踪方法.该方法利用红外/雷达进行协同间歇跟踪,通过数据拟合对连续红外数据与间歇雷达数据进行时间配准,并对配准后的数据进行压缩,然后采用集中式序贯滤波融合算法对异类间歇数据进行融合,形成连续的目标跟踪航迹.仿真结果表明,与组网火控雷达间歇跟踪相...     

一种相控阵雷达自适应数据率目标跟踪算法

为了提高相控阵雷达机动目标跟踪的系统资源利用率,给出了一种高效快速的自适应数据率交互多模型目标跟踪算法（FAIMM）,将目标数据更新时间与模型概率关联起来,使每一节拍的数据更新率随目标的瞬时机动特性自适应调整。仿真结果表明,与AIMM跟踪算法相比,自适应数据率跟踪算法准确率更高,系统资源消耗更少。     

基于交互式多模型的机动目标跟踪算法

在军事和民用航空领域，可靠而精确地跟踪目标始终是目标跟踪系统设计的关键。但当目标处于强机动多模型的运动情况下时，在对目标进行状态估计时，单独采用一个模型会受到模型自身局限性的影响使得滤波精度不高，于是有必要采用多个模型描述机动目标的运动状态。基于此，采用交互式多模型滤波算法对目标进行跟踪。仿真结果表明，该算法对机动目标有很好的跟踪效果和较高的跟踪精度。     

基于卡尔曼滤波的机动与非机动目标的定位跟踪

目标跟踪理论在国防、商用等领域都具有重要价值,并且是实现智能交通系统的基础。针对智能交通系统中需要对特定的运动目标进行跟踪和监测的要求,利用卡尔曼滤波算法对目标进行跟踪并对其下一时间的运动位置、运动方向、速度等信息进行预先估算以达到及时监测的目的。通过分别对机动目标和非机动目标的仿真试验,得出了卡尔曼滤波算法可以对运动的目标实现实时跟踪,且非机动目标的跟踪效果要优于机动目标的结论。     

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波( SCKF),提出一种带多普勒量测的序贯均方根容积卡尔曼滤波( SSCKF-D)雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。 Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波( SCKF-D)算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。