基于雷达点迹处理的抗RGPO干扰的机动目标跟踪

针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型－概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。     

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.     

基于功率特征的抗密集多假目标干扰跟踪技术

针对密集多假目标干扰下,真假目标识别困难、跟踪精度低的问题,提出了基于功率特征的抗干扰技术。首先,对干扰条件下的雷达量测进行信号似然比预处理,剔除杂波;然后,进行角度卡方检验及同源量测融合,以充分利用虚假目标信息;最后,根据真假目标功率特征构建“分贝数冶加权因子,并结合位置信息,实现真实目标的功率/ 位置双重加权,从而大大削弱干扰信号的影响,达到抗干扰的目的。仿真实验表明,该技术能较好地适应密集多假目标干扰环境,并取得较高的跟踪精度。     

一种多基地雷达抗距离欺骗干扰技术

针对距离多假目标欺骗干扰下多基地雷达系统,提出一种基于同源定位检验的抗欺骗干扰技术。首先,各接收站对获取到的目标角度量测进行预处理,划分出同一方位向上目标并进行数据压缩,以此提高同一方向上目标角度量测精度;同时,利用发射站和接收站组成的双基地雷达系统进行目标定位;最后,将各站定位结果进行同源定位检验,并融合检验后结果。仿真结果表明:该方法能有效抑制距离多假目标欺骗干扰,并能对多目标进行精确定位。     

基于径向速度检验的雷达网距离多假目标鉴别

针对雷达网在鉴别距离多假目标干扰过程中,鉴别效果随距离多假目标密集程度增大而变差的问题,提出了一种基于目标径向速度估计的距离多假目标干扰鉴别方法。首先,选定基准雷达并进行量测分组预处理,将其他组网雷达目标量测转换至基准雷达局部坐标系下进行基于位置信息的量测关联,以初步排除不相关的虚假量测与杂波,同时减小计算量;然后,基于坐标转换后量测的位置信息估计出目标径向速度,与基准雷达径向速度量测进行检验,以实现虚假目标的鉴别。仿真结果表明,此方法在距离多假目标密集程度较大的情况下具有较高的正确鉴别率,且能够对目标进行稳定跟踪。     

距离多假目标干扰下低可观测目标跟踪处理

距离多假目标干扰下,当雷达对低可观测目标进行跟踪时,会遇到虚假航迹较多、真-假目标鉴别难度大、真实目标跟踪不稳定等难题,针对这些问题,本文提出了基于角度量测统计特性差异的真-假目标识别方法与基于等效量测构建的低可观测目标跟踪方法,实现了虚假目标的有效剔除,有效提高了目标跟踪的稳定性,仿真验证了该方法的有效性.     

球坐标系下具有抗干扰能力的弹道导弹跟踪算法

 针对弹道导弹突防过程中释放的有源多假目标欺骗干扰,提出了一种新的具有抗干扰能力的弹道导弹跟踪算法.该算法不仅能够利用球坐标系下线性量测的优点,有助于提高真目标的跟踪精度,而且能够实时估计出假目标的延迟距离,利用雷达滤波结果即能辅助鉴别有源假目标.首先,将假目标的延迟距离增广到球坐标系的状态矢量中,从理论上导出了弹道目标更一般意义下的运动方程;其次,利用球坐标下的扩展Kalman滤波(EKF)对延迟距离进行实时估计,延迟距离较小的判定为实体目标,延迟距离较大的判定为有源假目标;最后,分析了相关因素对跟踪和鉴别性能的影响.该方法的优点是跟踪鉴别的一体化和实时性.     

多假目标欺骗干扰下组网雷达跟踪技术

针对距离多假目标欺骗干扰下的组网雷达跟踪,提出了一种基于同源量测融合的跟踪技术.该跟踪技术包括同源量测融合、多目标跟踪两部分.同源量测融合相当于对所有量测进行预处理,其关键在于同源量测自适应检验门限的设计.通过该预处理,输入的假目标的量测数目大大减少,且问题简化为单雷达的多目标跟踪.多目标跟踪中,根据航迹优先级顺序依次进行数据关联.该跟踪技术使得组网雷达可以有效剔除假目标,并更精确的跟踪真目标.仿真结果证明了该技术的可行性和有效性.     

SOJ压制和距离欺骗复合干扰下雷达网目标跟踪算法

针对远距离支援干扰(SOJ)压制和距离欺骗复合干扰下目标检测概率下降及虚假目标造成数据关联错误的问题,提出了基于等效量测的雷达网目标跟踪算法.首先,将各雷达得到的量测进行分组;然后,将同一部雷达对相同目标的角度量测进行数据压缩,并利用交叉定位的原理得到等效量测;最后,利用等效量测进行目标跟踪.算法关键在于利用最小二乘法...     

基于空时特性的雷达网距离多假目标鉴别

针对单时刻雷达网距离多假目标鉴别可靠性低的问题,提出了一种基于空时特性的雷达网距离多假目标鉴别方法。首先,通过雷达网目标量测预处理,将各组网雷达目标量测转换至地心直角坐标系,以实现目标量测的坐标系统一;然后,基于真-假目标量测的空间分布特性构建检验统计量,通过单时刻的关联检验实现真假目标的初步鉴别;最后,对多个时刻检验进行积累,以增强目标量测判别的可靠性。仿真结果表明,利用多个时刻检验积累与单时刻检验相比能够提高距离多假目标鉴别的可靠性。     

Bearings-only maneuvering target tracking based on fuzzy clustering in a cluttered environment

This paper proposes a novel bearings-only maneuvering target tracking algorithm based on maximum entropy fuzzy clustering in a cluttered environment. In the proposed algorithm, the interacting multiple model (IMM) approach is used to solve the maneuvering problem of target, and the false alarms generated by clutter are accommodated through a probabilistic data association filter (PDAF). To reduce the computational load, the association probability is substituted by fuzzy membership degree provided by a modified version of fuzzy clustering algorithm based on maximum entropy principle, and the “maximum validation distance” is also defined based on the discrimination factor, which enables the algorithm eliminate invalid measurements. Moreover, to avoid the unobservability problem of passive target tracking, a nonlinear measurement model of multiple passive sensors is formulated. Finally, simulation results show that the proposed algorithm has advantages over the conventional IMM-PDAF algorithm in terms of simplicity and efficiency.     

多编队目标先后出现时的无先验信息跟踪方法

针对多编队机动目标先后出现时的跟踪问题,该文提出了一种基于交互式多模型高斯混合概率假设密度滤波(IMM-GM-PHD)算法的无先验信息跟踪方法。首先,在IMM-GM-PHD算法预测过程完成的基础上,引入密度检测机制,利用相关域为所有预测高斯分量挑选有效量测,结合密度聚类(DBSCAN)算法检测是否出现新编队目标。其次,在IMM-GM-PHD算法状态更新完成的基础上,利用更新高斯分量的组成情况完成模型概率的更新。最后,在状态估计优化过程中,结合编队目标的特点,加入相似度判别技术,利用杰森-香农(JS)散度度量高斯分量间的相似度,剔除没有相似分量的高斯分量,进一步优化估计结果。仿真结果表明,该文方法能够快速有效地跟踪非同时出现的多编队机动目标,具有较好的跟踪性能。     

Probabilistic data association techniques for target tracking in clutter

In tracking targets with less-than-unity probability of detection in the presence of false alarms (FAs), data association-deciding which of the received multiple measurements to use to update each track-is crucial. Most algorithms that make a hard decision on the origin of the true measurement begin to fail as the FA rate increases or with low observable (low probability of target detection) maneuvering targets. Instead of using only one measurement among the received ones and discarding the others, an alternative approach is to use all of the validated measurements with different weights (probabilities), known as probabilistic data association (PDA). This paper presents an overview of the PDA technique and its application for different target tracking scenarios. First, it describes the use of the PDA technique for tracking low observable targets with passive sonar measurements. This target motion analysis is an application of the PDA technique, in conjunction with the maximum-likelihood approach, for target motion parameter estimation via a batch procedure. Then, the PDA technique for tracking highly maneuvering targets and for radar resource management is illustrated with recursive state estimation using the interacting multiple model estimator combined with PDA. Finally, a sliding window (which can also expand and contract) parameter estimator using the PDA approach for tracking the state of a maneuvering target using measurements from an electrooptical sensor is presented.     

基于压缩感知的PD雷达序贯扩展卡尔曼滤波跟踪方法

提出一种新的基于压缩感知(Compressive Sensing, CS)处理的序贯扩展卡尔曼滤波(Sequential Extended Kalman Filter, SEKF)方法,以用于脉冲多普勒(Pulse Doppler, PD)雷达机动目标跟踪。利用目标在时延多普勒平面内的稀疏特点建立稀疏量测模型,然后通过压缩采样匹配重构方法获得目标的多普勒量测值,并用SEKF方法进行滤波更新,以改善目标状态的估计性能。在滤波过程中,应用CS处理可改善目标多普勒估计精度,而应用SEKF则可通过加入伪量测减小多普勒量测和目标运动状态之间的非线性误差。仿真实验结果表明,本文所提出的方法和传统的SEKF方法以及已有基于压缩感知的跟踪方法相比对机动目标有更好的跟踪性能。      

杂波环境下被动多传感器机动目标跟踪新算法

针对杂波环境被动传感器机动目标跟踪问题,该文研究了一种基于粒子滤波的被动多传感器机动目标跟踪新算法。 在该算法中,首先推导了杂波环境下粒子滤波的似然函数表达式。其次将粒子滤波与交互多模型(IMM)相结合,用IMM方法实现模型的切换,以适应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后,建立了被动多传感器的非线性观测模型,避免了目标的不可观测性,并且算法还能够处理非高斯噪声情况。仿真实验结果表明,提出的算法能够有效地对被动机动目标跟踪,且性能优于交互多模型概率数据关联滤波器(IMM-PDAF)。     

对单脉冲末制导雷达距离欺骗分析

反舰导弹末制导雷达越来越多地采用单脉冲角跟踪技术,舰艇方须结合自身特点,采取有效的对抗措施。本文根据单脉冲雷达基本原理,建立了距离波门拖引干扰模型,推算出实施距离波门拖引干扰的成功率和干扰机所需功率,并在此基础上提出了一种较为可行的干扰方法。     

红外与激光主/被动联合跟踪算法

针对单站红外被动式跟踪存在不可观测性问题，提出红外与激光主／被动单目标联合跟踪方法。该方法首先针对三维空间任意机动目标的跟踪问题，将参考文献[1]给出的一维机动目标“当前”统计模型推广到三维情况，得到三维情况下跟踪任意机动目标的状态方程和跟踪系统的非线性量测方程。然后对红外探测器测量的角度信息和激光测得的距离信息进行融合，得到正确的测量值。最后提出扩展的自适应卡尔曼滤波算法并进行了仿真研究。仿真表明；方案可行，可同时对目标三个空间坐标轴的位置、速度、加速度进行估计。     

基于量测转换IMM的多普勒雷达机动目标跟踪

多普勒雷达目标跟踪中,如何有效解决系统量测与目标状态之间的非线性并实现机动目标跟踪,是亟待解决的问题.本文提出一种基于量测转换交互多模型（Interactive Multiple Model,IMM）的目标跟踪算法,其以IMM为框架,并结合静态融合滤波器处理多普勒量测的结构,解决多普勒雷达机动目标跟踪问题.仿真结果表明了所提出算法的有效性.