基于leg-by-leg机动的两级采样被动跟踪方法

针对被动声呐方位-频率观测情况下粒子滤波检测前跟踪算法中高维采样效率低的问题，该文提出一种利用leg-by-leg机动可观测性特点的两级采样方法。首先，对leg-by-leg机动的可观测性进行分析；然后，建立极坐标系下的目标运动状态模型，以粒子相对观测站的距离和法向速度均匀分布为准则，提出将极坐标系下的目标状态向量映射至直角坐标系的方法；最后，为改善滤波收敛性，提出根据粒子的空间分布特征自适应地调整过程噪声协方差矩阵。仿真结果表明，对于典型的水下目标跟踪场景，所提方法可使滤波收敛率增大约47.6%，距离估计误差减小约329 m，滤波收敛时间缩短约450 s。     

单站被动目标的多假设距离粒子滤波跟踪

针对单站被动目标跟踪的无距离信息,多假设距离粒子滤波方法利用多个粒子滤波的并行运算,对不同初始距离的粒子滤波器进行计算,利用各子滤波的残差概率对并行处理的粒子滤波运算进行自适应采样实现单站纯方位目标跟踪,并与粒子滤波、多假设距离滤波方法进行比较,仿真结果表明该算法收敛速度快,跟踪精度高。     

基于协方差描述子的红外目标粒子滤波跟踪算法

针对传统协方差矩阵跟踪方法中不能捕获目标旋转变化的问题,提出了一种基于椭圆协方差矩阵的红外目标辅助粒子滤波跟踪方法.首先对矩形协方差矩阵进行扩展,构建了椭圆协方差矩阵描述子,能有效适应目标的尺度和旋转变化,有效提高了目标模型的分辨能力.进而采用改进的李群结构来进行距离度量.在贝叶斯跟踪框架下,采用辅助粒子滤波采样粒子,解决了粒子滤波采样时由于没有利用观测值而造成粒子不能完全覆盖在目标位置附近的问题,最终实现了红外目标的准确定位.实验结果表明该算法简单有效,能准确跟踪尺度和旋转变化的红外目标.     

基于连续测角的被动测距技术研究

在复杂的电子战环境中,为了精确定位目标,需要探测目标的距离.被动测距具有探测距离远、隐蔽性好、抗打击能力和生存能力强等特点.机载红外搜索跟踪系统(IRST)可以通过连续获取目标的角度数据估测目标的距离.基于这种连续测角的被动测距技术,建立了空间极坐标系下的测距模型,并对此模型的可观测性进行分析验证,然后通过选用滤波算法,进行仿真实验和飞行实验.实验结果表明.此测距方法收敛速度快,精度高达5%,具有很高的实用价值.     

一种高斯分布的调整粒子滤波算法

粒子滤波(PF)方法与传统的非线性滤波方法如扩展卡尔曼(EKF)类方法相比,无需计算Jacobi矩阵,受初始状态影响小而稳定性强,因此粒子滤波方法研究成为非线性滤波研究的热点问题.但在可观测性较差的非线性系统滤波中常用的普通粒子滤波方法(GPF)易受退化、采样枯竭等因素影响而在可能会引起滤波误差大甚至不收敛等问题.本文提出了一种高斯分布的调整粒子滤波跟踪算法,即在粒子再采样后加上一定的高斯噪声分布调整粒子分布,以产生更接近真实状态的粒子.经过只测角定位跟踪举例仿真表明,本文方法具有较高的滤波精度.     

一种高斯分布的调整粒子滤波算法

粒子滤波(PF)方法与传统的非线性滤波方法如扩展卡尔曼(EKF)类方法相比,无需计算Jacobi矩阵,受初始状态影响小而稳定性强,因此粒子滤波方法研究成为非线性滤波研究的热点问题.但在可观测性较差的非线性系统滤波中常用的普通粒子滤波方法(GPF)易受退化、采样枯竭等因素影响而在可能会引起滤波误差大甚至不收敛等问题.本文提出了一种高斯分布的调整粒子滤波跟踪算法,即在粒子再采样后加上一定的高斯噪声分布调整粒子分布,以产生更接近真实状态的粒子.经过只测角定位跟踪举例仿真表明,本文方法具有较高的滤波精度.     

基于卡尔曼预测采样与空域图描述的稳健红外目标跟踪

目标状态采样策略和观测概率模型是影响粒子滤波理论框架下红外目标跟踪性能的主要因素.为了提高红外目标跟踪性能,介绍了一种基于卡尔曼预测采样与空域图描述的红外目标跟踪方法.目标状态采样采用卡尔曼预测采样策略,通过卡尔曼预测过程将目标的观测信息组合到重要性建议分布;采用空域图技术实现红外目标的稳健描述,通过计算参考目标的空域图与目标样本的空域图之间的Bhattacharyya距离,建立观测概率模型.传感器自运动场景、辐射不稳定场景及海杂波背景下的红外目标跟踪实验证明:该方法是有效的和稳健的.     

相似采样粒子滤波在混合系统估计中的应用

结合粒子滤波和Kalman滤波的边缘粒子滤波(MPF)是一种新的混合线性/非线性系统的状态估计方法,但是粒子滤波在计算上的复杂使得MPF难以兼顾系统实时性和精度的要求.针对此问题,提出一种基于相似采样粒子滤波算法的MPF滤波框架.算法从系统观测值中采样粒子,并通过一个计算相邻时刻粒子转移概率的步骤,提高了粒子使用率,使得算法能以少量粒子实现对非线性状态量的估计,进而提高Kalman滤波的精度和实时性.给出了算法原理分析和实现流程.以混合坐标系下的目标跟踪为对象,利用蒙特卡罗仿真研究了ILLH_MPF算法的应用,并与常规MPF方法进行了对比.     

一种水下被动目标纯方位跟踪方法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪的思路.该算法直接利用传感器获得的含有噪声的角度数据,通过改进极坐标系下的系统方程得到目标状态的后验概率分布,来估计目标的运动状态.仿真结果表明该算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法.     

机动再入目标的FGPF-BLUE跟踪

机动再入目标的运动具有明显的非线性,其观测又往往在传感器坐标系下进行,构成强非线性的跟踪问题.为了克服扩展卡尔曼滤波和粒子滤波在跟踪精度和实时性方面的缺点,提出了一种新型的非线性跟踪算法.新型的FCPF-BLUE滤波将快速高斯粒子滤波的预测步骤与最优线性无偏估计的更新步骤相结合,是一种半蒙特卡罗滤波方法.建立了机动再入...