利用射频误差信号提高脉冲雷达的角跟踪精度

本文首先分析了传统脉冲测量雷达在各种内部、外部扰动作用下对高动态目标进行跟踪时面临的问题,在此基础上,将射频误差信号与天线指向信号作为量测信息引入观测方程,并且利用数值微分法对被跟踪的高动态机动目标建立了一种简单的估计模型,采用常规卡尔曼滤波算法估计出准确的目标角位置、角速度和角加速度的当前值和一步预报值。这种方法实现简单,作为机动目标的实时前处理算法,能够有效补偿各种内部、外部扰动对脉冲雷达角跟踪精度的影响,改善角度捕获的动、静态品质。     

三状态样条Kalman滤波与目标机动检测

基于样条方法和Kalman滤波理论，给出了一种新的三状态样条Kalman滤波方法及对目标进行机动检测的方法。该滤波方法用样条函数建立目标运动模型，应用Kalman滤波进行状态估计；该机动检测方法通过检测滤波新息来对目标机动发生或消除进行判断。由于考虑了加速度的实时估计，该滤波方法尤其适用于对弹道式目标的机动跟踪。仿真计算与实测数据计算表明：该滤波具有较高的精度；该机动检测方法具有较高的检测效率。     

自调节鲁棒H∞滤波目标机动估计

将鲁棒H∞滤波理论应用到具有自调节特性的二阶马尔科夫模型下的目标机动估计问题中.初始滤波机动模型参数采用给定值,滤波开始后采用目标运动状态的滤波估计值实时计算模型参数.基于自调节目标机动模型,本文选择卡尔曼滤波和H∞滤波进行了目标机动突变估计仿真研究.结果表明,采用具有自调节特性的二阶马尔科夫目标机动模型时,H∞滤波精度高,适应目标机动突变的能力强,估计精度能够满足精确制导系统的指标要求.     

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型，同时实时修改滤波器的统计模型，并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明，此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。     

基于滤波新息指导的降维动态模型库建立算法

为提高目标航迹姿态估计的实时性,提出一种基于Jerk模型的航迹姿态滤波及其新息指导的降维动态模型库建立算法。该算法首先基于航迹方位角与航迹横滚角之间的关系,将目标三维模型降为二维模型;然后采用Jerk模型算法对航迹姿态进行滤波,并利用滤波过程中的新息判定目标机动状态,实时指导动态模型库的建立。实验结果表明,可有效缩减模型库的规模,提高了姿态角估计的效率,且保持一定的估计精度,是一种有效的动态模型库建立算法。     

一种改进的基于当前统计的α-jerk目标机动模型

提出了一种改进的基于当前统计的α-jerk目标机动模型,它假设当目标在某一时刻发生机动时,其下一时刻发生机动的取值是有限的.因此它在建立目标机动的运动模型时,就没有必要考虑机动的所有值.为提高对机动目标的位置跟踪精度,采取了在传统α-jerk目标机动模型的基础上增加一项目标机动的均值,即对目标急动进行非零均值建模,并和α-jerk目标模型仿真对比,仿真结果表明,新算法不仅能够实时估计参数α的值,而且与α-jerk目标机动模型相比,其收敛速度更快,对目标位置的状态估计更精确     

改进的变维滤波实现运动目标姿态的跟踪

针对运动目标变维姿态滤波在姿态剧烈变化时滤波效果较差的问题,结合Jerk模型,提出一种改进的变维运动目标姿态滤波方法。该方法通过建立角加加速度滤波模型,结合变维姿态滤波中的角速度和角加速度模型,利用角度和角速度的新息残差,角加速度和角加加速度估计显著性检验的统计量,判定目标姿态的机动状态,调整跟踪模型,从而提高姿态跟踪精度。仿真表明,该方法在保持变维姿态滤波精度基础上,有效提高了姿态强机动情况下的跟踪精度。     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

一种新的机动目标跟踪滤波的模型方法

本文提出了一种新的机动目标跟踪滤波的模型方法。它将目标的机动加速度作为一状态变量引入模型而直接进行估计,并通过卡尔曼滤波器的残差来检测目标机动与否。一旦检测出目标机动,马上重新启动卡尔曼滤波器以适应机动加速度的跳变。新的自适应滤波方法在这种情况下实现了最佳滤波。计算机仿真结果表明,在计算量远少于Moose方法计算量的情况下,本文方法的滤波精度与Moose方法的滤波精度相当。     

拦截弹状态变结构交互多模滤波估计方法

针对弹道导弹自主探测和机动突防技术中对拦截弹状态估计精度的要求,提出了一种变结构交互式多模型滤波算法(VSIMM).通过引入拦截弹的多种机动模型并采用依概率准则的方法进行交互计算,使滤波估计结果迅速收敛,同时对拦截弹的机动状态进行检测,合理调整参与交互计算的模型个数,使滤波估计模型与拦截弹的真实机动运动情况相近.仿真结...     

机动目标自适应高斯模型与跟踪算法

提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布。指出了机动目标运动模型的均值和方差与目标机动加速度最佳当前估计值之间的关系,在此基础上,提出了相应的自适应卡尔曼滤波算法。仿真结果表明,该算法对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪效果,且所需计算量小。     

Tracking application about singer model based on marginalized particle filter

This article deals with the problem of maneuvering target tracking which results in a mixed linear/non-linear model estimation problem.For maneuvering tracking system,extended Kalman filter (EKF) or particle filter (PF) is traditionally used to estimate the states.In this article,marginalized particle filter (MPF) is presented for application in a mixed linear/non-linear model estimation problem.MPF is a combination of Kalman filter (KF) and PF.So it holds both advantage of them and can be used for mixed linear/non-linear substructure,where the conditionally linear states are estimated using KF and the nonlinear states are estimated using PF.Simulation results show that MPF guarantees the estimation accuracy and alleviates the potential computational burden problem compared with PF and EKF in maneuvering target tracking application.     

Models and Algorithms for Tracking of Maneuvering Objects Using Variable Rate Particle Filters

Standard algorithms in tracking and other state-space models assume identical and synchronous sampling rates for the state and measurement processes. However, real trajectories of objects are typically characterized by prolonged smooth sections, with sharp, but infrequent, changes. Thus, a more parsimonious representation of a target trajectory may be obtained by direct modeling of maneuver times in the state process, independently from the observation times. This is achieved by assuming the state arrival times to follow a random process, typically specified as Markovian, so that state points may be allocated along the trajectory according to the degree of variation observed. The resulting variable dimension state inference problem is solved by developing an efficient variable rate particle filtering algorithm to recursively update the posterior distribution of the state sequence as new data becomes available. The methodology is quite general and can be applied across many models where dynamic model uncertainty occurs on-line. Specific models are proposed for the dynamics of a moving object under internal forcing, expressed in terms of the intrinsic dynamics of the object. The performance of the algorithms with these dynamical models is demonstrated on several challenging maneuvering target tracking problems in clutter.     

基于压缩感知和三次相位变换的低复杂度空中机动目标参数估计

该文提出一种基于压缩感知和三次相位变换(Cubic Phase Transform, CPT)的低复杂度空中机动目标参数估计方法。首先利用CPT将机动目标回波信号中的两个参数进行分离,然后采用压缩感知技术完成机动目标参数的估计。在机载雷达发射脉冲数有限的情况下,该方法能够获得准确的参数估计结果;仿真实验验证了该方法有效性。     

基于Box粒子滤波的参数自适应机动目标跟踪

针对机动目标跟踪加速度的不确定性,引入一种新的参数自适应算法,采用粒子滤波及高斯核密度估计技术,估计目标机动参数,实现对任意机动目标的跟踪。在此基础上,考虑到粒子滤波计算代价较高的问题,进一步引入区间分析技术,采用Box粒子代替传统的粒子,以提高算法的计算效率。实验结果表明,提出的算法能够有效地跟踪任意机动目标,且运算时间明显低于传统的参数自适应算法。     

带丢包Markov切换线性系统的状态估计问题研究

针对一类带丢包的Markov切换系统,提出一种含有双Markov切换参数的交互式多模型算法.该算法利用一个二态的Markov链对系统是否丢包进行建模,得到双Markov链系统,通过定义乘积集将两个Markov切换参数所对应的模型集进行融合,并给出单个模型集中各模型与乘积集中各模型的对应关系.在此基础上,以交互式多模型算法为框架,采用分层的方法,并利用一种新的最优估计算法对双Markov链系统进行滤波.仿真实验证明了该算法的有效性.     

基于高斯和均方根容积卡尔曼滤波的姿态角辅助目标跟踪算法

根据目标2维运动速度与姿态角的关系,该文提出一种姿态角辅助目标跟踪算法。在目标运动学基础上建立状态向量中包含姿态角的跟踪模型,实现姿态角对目标跟踪的辅助;针对基于模板匹配姿态角量测的噪声为非高斯情况,将均方根容积卡尔曼滤波引入到高斯和滤波框架下,提出新的高斯和均方根容积卡尔曼滤波算法,提高非线性非高斯处理能力,同时结合目标运动中姿态角的变化规律,建立姿态角分量不同的跟踪模型,通过模型切换实现机动姿态角的滤波。算法对姿态角量测进行滤波,同时实现了姿态角信息与位置信息的有效融合。仿真结果验证了该算法的有效性和正确性。     

基于Hankel矩阵分解的天波超视距雷达机动目标检测算法

机动目标检测是天波超视距雷达的研究重点之一。目前已有的算法在高信噪比条件时对单个机动目标的检测效果较好,但在低信噪比时对多个机动目标的检测性能有待提高。该文提出一种基于Hankel矩阵分解的机动目标检测算法,该算法将机动目标信号构造为Hankel矩阵的形式,通过矩阵分解将信号时频估计转化为线性主成分分析的凸优化问题,从而实现匀速与机动目标的分离以及多个目标的同时估计。仿真结果证明了该算法具有估计精度高,信噪比条件低,可以同时多目标检测等优点。