临近空间高超声速滑跃式机动目标跟踪的IMM算法

临近空间高超声速飞行器运动轨迹未知且运动状态多变,传统的单模型算法会与之发生失配进而影响目标跟踪精度。针对目标的滑跃式机动,提出采用基于CV-CA-正弦波模型的交互式多模型(IMM)算法对其进行跟踪,并与基于CV-CA-Singer的IMM算法、基于CV-CA-CA的IMM算法的跟踪效果进行比较。Monte Carlo仿真实验表明,基于CV-CA-正弦波模型的IMM算法对临近空间高超声速滑跃式机动目标具有较好的跟踪效果。     

临近空间目标运动建模与跟踪方法研究

x-43、x-5l等临近空间高超声速飞行器的相继出现,给雷达目标跟踪提出了新的挑战,临近空间高超声速飞行器具有高速度、高机动的特点,常规跟踪算法跟踪性能低,不能满足作战使用要求。本文通过分析临近空间高超声速飞行器的运动特性,建立临近空间飞行器的运动模型,阐述临近空间目标跟踪的技术难点,提出了交互多模型的临近空间飞行器跟踪的方法,并对该算法进行了仿真验证,与传统的跟踪算法比较,该算法的跟踪精度有明显提高。     

基于多基地雷达的高超声速目标跟踪研究

对多基地雷达跟踪高超声速目标进行了研究,针对高超声速目标高速高机动的特点,提出了使用参考加速度模型的IMM算法。同时在对多基地雷达造成的非线性问题中采用了UKF滤波。通过蒙特卡罗仿真对比,该算法跟踪效果较好,误差均方值小,跟踪精度高。     

跟踪临近空间目标的衰减记忆最小二乘算法

随着临近空间战略价值的显现,临近空间高速目标的跟踪成为国土防空领域研究的一个热点。临近空间高超声速飞行器具有高机动突防能力,且运动轨迹没有规律,使用常规滤波方法难以实现稳定跟踪。提出一种衰减记忆最小二乘算法,该算法不依赖特定的运动方程,鲁棒性强。仿真实验表明,新算法可以稳定跟踪高超声速飞行器,机动飞行段跟踪连续光滑,具有较高的跟踪精度。     

LFM雷达对临近空间高超声速目标的跟踪研究

针对临近空间高超声速目标跟踪的问题,提出了一种ECEF坐标系下基于径向速度补偿和相邻时刻目标量测对消处理的高超声速目标跟踪算法.首先,充分分析了目标高超声速运动对雷达探测跟踪的影响,并在此基础上合理构建了目标高超声速运动下的量测模型,以避免模型失配所引起的滤波发散问题;其次,利用解模糊处理后的径向速度估计对目标高超声速运动引起的高动态偏差做近似补偿,以将问题转换为低系统偏差下的状态估计问题,最后,通过基于相邻时刻目标量测对消处理的单雷达量测方程构建,可有效回避低系统偏差存在下的航迹关联问题,进而实现临近空间高超声速目标的可靠跟踪.仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度.     

变结构多模型临近空间高超声速飞行器跟踪算法

针对传统跟踪算法跟踪临近空间高超声速目标时计算量大、跟踪精度低的问题,提出了一种变结构多模型跟踪算法。在分析传统跟踪算法的基础上,建立了一种变转移概率、变模型数量的目标模型,通过目标运动状态辨识方法,确定目标飞行阶段,并选择相应滤波模型和模型转移概率,实现变结构多模型跟踪。Monte Carlo 仿真结果表明:新算法能够实现对临近空间高超声速飞行器的有效跟踪,跟踪性能比传统变结构多模型跟踪算法更加优越,具有一定实用性和可推广性。     

临近空间高超声速目标跟踪技术及展望

临近空间高超声速目标对空间防御系统和跟踪技术提出了挑战。文中简要介绍了临近空间高超声速目标的特点;从跟踪算法和目标探测技术两个方面概述了当前临近空间高超声速目标跟踪技术的研究现状;从滤波算法、目标运动模型、目标探测系统和信号处理方法等方面分析了临近空间高超声速目标跟踪技术的发展趋势,提出了一些思考及可行性建议。     

基于SCT-IMM的临近空间高超声速目标跟踪模型

针对传统单模型跟踪方法不能有效跟踪临近空间高超声速目标飞行全过程的问题,提出了一种基于SCT-IMM的跟踪模型.在分析临近空间高超声速目标特性的基础上,建立了一种基于一阶时间相关模型的转弯模型(Singer Coordinate Turn,SCT),结合EKF滤波方法,采用CV、CA和SCT模型进行IMM滤波计算.仿真结果表明,新模型计算量略大于单模型,但新模型能够适用于跟踪临近空间高超声速目标的所有飞行阶段,且位置均方根误差和速度均方根误差都小于单模型,具有一定工程实践意义.     

临近空间高超声速跳跃式滑翔目标跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在分析目标运动特性的基础上提出了一种二阶时间相关的新型机动跟踪模型,该模型的核心是将加速度作为具有衰减振荡自相关的零均值随机过程,并据此构建了跟踪临近空间高超声速跳跃式滑翔目标的状态方程;为进一步分析模型的运动适应性,结合卡尔曼滤波算法推导了模型的系统动态误差稳态值,从模型参数取值的角度探讨了模型的适应性问题;为提高模型参数设计的合理性,分析了模型中两个参数的对应关系,并给出了参数设计的大致参考区间.理论分析表明,模型具备周期性与衰减性的统一,在短时间内主要表现为周期性,在长时间内主要表现为指数衰减性,这一特性提高了对临近空间高超声速跳跃式滑翔运动描述的合理性,此外,该模型跟踪临近空间高超声速跳跃式滑翔目标时的参数理论取值具有较低的系统动态误差稳态值.仿真实验表明与已有的临近空间高超声速目标单噪声机动模型相比,该模型具有较高的跟踪精度;并通过比较不同参数下的仿真结果一定程度说明了参数取值方法的合理性.     

基于改进交互式多模型算法的ADS-B航迹滤波方法研究

针对广播式自动相关监视(ADS-B)航迹跟踪精度低以及目标跟踪模型与目标运动模型匹配效率低的问题,结合自适应算法对经典交互多模型(IMM)算法的运动模型集进行改进。将经典交互模型(IMM)运动模型集中的匀加速运动(CA)模型,改进为"当前"统计模型(CS)和修正转弯(MCT)模型。利用改进的模型集对目标当前位置、速度和加速度进行滤波估计。并对模型转移概率进行修正,提高IMM算法的自适应能力,实现快速目标跟踪。利用模拟航迹数据及实际设备接收的实测数据对算法进行验证。结果表明:运动模型集改进后的IMM算法滤波结果优于经典IMM算法,跟踪结果稳定,改进的算法可适应复杂的目标航迹实时跟踪。     

改进的马尔可夫参数自适应IMM算法

针对机动目标跟踪问题,首先推导了马尔可夫参数自适应IFIMM算法自适应调节模型切换矩阵的必要条件,进一步分析了马尔可夫矩阵修正IMM跟踪算法的适用局限性.通过重新定义模型误差压缩率之比,提出了一种改进的马尔可夫参数自适应IMM算法,并阐述了误差压缩率之比的特性.最后进行了仿真实验并指出了马尔可夫自适应IMM算法的适用范围.     

交互式多模型在警戒类雷达跟踪中的应用研究

用CV模型、CA模型、Singer模型以及"当前"统计模型两两交互的多模型算法来处理某警戒雷达的两条航迹,并且把其仿真得出的一系列结果与目前常用的处理航迹滤波的Kalman(Singer模型)算法进行比较。研究了对不同的飞行轨迹选择什么样的模型组合可以最大提高滤波的精度,讨论了模型的优选问题。     

基于模型调整的自适应交互多模型算法

针对交互多模型算法的技术特点,利用量测中所包含的当前信息对目标模型集的自适应调整并对调整后的模型概率进行估计,实现了模型集的自适应交互多模型算法。介绍了这种算法的设计步骤和仿真方法。仿真结果表明了该算法比标准IMM算法具有更高精度的跟踪性能。     

交互式多模型算法在光电跟踪控制系统中应用的仿真

分析目标运动参数滤波算法在光电跟踪控制系统中的作用,在交互式多模型算法的基础上,提出了该算法在光电跟踪控制系统中的应用问题,并建立了在光电跟踪控制系统中使用的仿真模型,通过仿真环境下光电跟踪控制系统对不同目标跟踪的数据分析可知,该算法可作为光电跟踪控制系统中复合控制前馈数据的获取算法使用,光电跟踪控制系统采用交互式多模型算法比采用--滤波算法更适合对机动目标的跟踪。     

角闪烁背景下基于IMM算法的末制导雷达目标跟踪

为了抑制末制导雷达目标跟踪过程中的角闪烁噪声,对闪烁噪声的统计特性进行了分析,建立了符合其分布的统计模型及系统的状态空间模型,用交互多模型算法解决了角闪烁背景下的目标跟踪问题;并根据该问题的特点,对IMM算法进行了简化.仿真结果表明,用交互多模型方法抑制角闪烁噪声是非常有效的,基于转换卡尔曼滤波的IMM算法比基于扩展卡尔曼滤波的IMM算法具有更高的跟踪精度;简化的IMM算法虽然在跟踪精度上不如基本的IMM.但仍然达到了很好的滤波效果,而且大大降低了计算的复杂程度,是一种更符合工程实际的抑制角闪烁噪声的方法.     

自适应转移概率交互式多模型跟踪算法

针对标准的交互式多模型算法（Interacting Multiple Model,IMM）存在模型集设计困难和采用固定转移概率矩阵导致模型切换缓慢、跟踪精度下降的不足,提出一种自适应转移概率IMM算法.首先,提出了一种新的模型集设计方法,将强跟踪修正输入估计（Strong Tracking Modified Input Estimation,STMIE）模型和匀速运动（Constant Velocity,CV）模型作为IMM算法的模型集,利用STMIE算法对高机动目标的跟踪能力以及CV模型对非机动目标跟踪的高精度,实现对目标的全面自适应跟踪.其次,提出一种依据模型似然函数值对Markov转移概率进行实时修正的方法,增强匹配模型的作用,削弱不匹配模型的影响.仿真结果表明,依据模型似然函数修正转移概率的方法使IMM算法的模型切换速度和跟踪精度都得到提高,提出的IMM-STMIECV算法的跟踪精度高于IMM-CVCA、IMM-CVCACT以及IMM-CVCS算法.     

用于非线性机动目标跟踪的新型IMM算法

针对在非线性机动目标跟踪中存在的滤波器易发散、机动检测有延迟等问题,把Unscented Kalman Filter(UKF)引进到交互多模型算法(IMM)中,设计了交互多模型UKF滤波器。并利用目标运动模型集概率的相对变化率设计了自适应交互多模型UKF滤波器,最后进行了计算机仿真。蒙特卡罗仿真结果表明,两种滤波算法都具备UKF滤波器精度高、稳定性好、不易发散的优点,同时不需了解目标机动的先验信息,适合于实际应用;并且自适应交互多模型UKF滤波器具有更好的跟踪效果。     

基于运动学参数的高速高机动目标跟踪自适应IMM算法

提出一种基于运动学参数的自适应IMM算法,进行高速高机动目标跟踪.该算法利用交互输出的结果,计算目标的运动学参数,进而实时估算出机动目标的转弯率,利用估计值自适应地使模型与目标实际运动状态匹配.文中还将该算法与其他两种IMM算法进行了比较.蒙特卡罗仿真结果表明,这种算法跟踪目标的稳定性和精确性均优于其他两种算法,有利于高速高机动目标的实时跟踪,具有较好的可实现性.