编队目标的仅方位跟踪

编队目标跟踪是多目标跟踪领域中的一个特殊问题.一般认为,在巡航状态下编队中的所有目标以同样的速度和航向匀速运动.这一事实可以用来帮助目标跟踪器改善跟踪效果.给出了在仅方位测量条件下编队目标跟踪的3种模型:分开模型、耦合模型和协作模型.分开模型实质上是多个单目标的同时跟踪,与单目标跟踪没有区别;耦合模型是将多个目标的待估状态耦合成一个综合的目标状态,各目标的测量信息也是合在一起使用;协作模型则是利用跟踪效果好的目标的速度和航向解算结果来帮助跟踪效果差的目标.对这3种方法进行的理论和仿真比较分析的结果表明,协作模型更有优势.     

弹道导弹对拦截弹仅测角被动跟踪的可观测性分析

为了分析和研究弹道导弹探测跟踪拦截弹的理论可行性问题,针对采用单传感器仅有测角信息时的被动跟踪技术的首要问题——系统可观测性展开了研究。分析了拦截弹的飞行弹道特点,讨论了不同相对运动状态下的系统可观测性条件,利用矩阵运算及其解的性质得出了在三维被动跟踪中,拦截弹射面内状态参数的可观测性较好而垂直于射面的状态参数的可观测性相对较弱的结论,最后运用经典的扩展卡尔曼滤波算法对仅有测角信息的被动跟踪进行了仿真实验,验证了所推导的可观测性结论。     

直航条件下二维运动目标纯方位系统的可观测性

为了降低目标丢失和暴露自己的可能性，需要研究观测站不进行航路机动的条件下，纯方位系统的可观测性。基于拟线性处理和最小二乘方法，在目标作匀速直线运动，单观测站作匀速直线运动，进而作匀加速直线运动的机动情形下，研究了二维纯方位系统的可观测性，得到了系统可观测性的充要条件以及系统的某些不可观测的条件。说明在直航条件下，通过观测站速度的机动变化，同样可以实现目标要素的解算。     

二维双观测站纯方位系统的可观测性

在二维空间中,针对作匀加速直线运动的目标,利用双观测站得到的测量角,讨论了等速直线运动的双观测站纯方位系统的可观测性问题.首先在理论上证明了目标作匀加速直线运动,单观测站作匀速直线运动时的目标参数的部分可观测性.进而对于双观测站情形,利用每一个观测站求解出的关于目标的部分参数满足的方程,通过研究方程组的解的存在性,得到了整个系统可观测的一些充分条件和一个充要条件.     

多方位-速度目标跟踪法性能分析

对潜艇水下跟踪目标的一种方法-多方位-速度法进行了深入分析,发现它具有独特的性能.首先分析了系统的观测性,得出了系统可观测的两个必要条件.之后对两种可能的建模思路进行了分析,指出了一种常见的建模错误,它使得已知的目标速度未能得到利用,效果等同于仅方位法.最后对目标航向的多解现象进行了分析,指出多解性是多方位一速度法的一个基本性质.结合有关性能,还将多方位-速度跟踪和仅方位跟踪进行了比较.     

基于仰角、方位测量的目标定位及跟踪滤波

在获取目标方位和仰角的情况下，讨论了两站定位的数学计算方法，并运用改善α-β滤波器进行滤波，最后得出了计算机仿真结果。     

粒子滤波在机动目标纯方位跟踪中的应用

文章将多模粒子滤波算法用于机动目标纯方位跟踪，通过估计模型的概率而不是寻找最优算法去进行局部线性化和表征非高斯后验密度，从而减小了近似误差。在仿真研究中，与IMM—EKF的比较验证了多模粒子滤波处理机动目标纯方位跟踪问题的优越性。     

基于改进粒子滤波算法的纯方位目标跟踪

纯方位目标跟踪是一个重要的研究课题。它要解决的问题是:利用含有噪声的方位数据来估计目标的真实运动轨迹。本文提出了一种基于粒子群优化的改进粒子滤波算法。这种算法可以将最新的观测值引入观测估计,提高了预估精度,减少所需的粒子数,从而实现对目标真实运动轨迹更好的跟踪。     

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.     

纯方位目标跟踪极坐标模型的状态空间变换方法

在纯方位目标跟踪定位研究领域里,采用极坐标模型,可以实现可观测状态和不可观测状态的分离,但非线性的系统方程使算法的具体实现非常困难。利用状态空间的变换,可避免直接计算非线性函数雅可比矩阵的值,减小了计算量,提高了滤波稳定性。     

测角无源定位与跟踪的观测器自适应运动分析

本文采用定位的位置误差GDOP(Geometrical Dilution of Precision)作为优化对象,具体分析二维无源定位的可估计性优化问题,通过边估计边优化观测器运动的方法,以期在定位的各个时刻能得到最优的定位精度.本文还证明了在GDOP标准下,跟踪问题中的观测器运动寻优方法与其对应的定位问题相同.从而解决了在测角无源定位与跟踪中为了提高定位精度观测器如何进行自适应运动的问题.     

机动目标无源跟踪IMM-MKF算法

为提高运动多站对机动目标的无源跟踪性能,提出了一种新的基于交互式多模型-边缘化卡尔曼滤波(IMM-MKF)的机动目标跟踪算法。该算法将交互式多模型(IMM)结构和边缘化卡尔曼滤波(MKF)结合,利用MKF算法对每个模型进行滤波,对滤波结果进行交互作用来得到跟踪结果。以只测角机动目标跟踪为例对所提算法进行仿真分析,仿真结果表明,相对于采用扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)及容积卡尔曼滤波(CKF)算法的典型交互式多模型算法,所提算法具有更好的跟踪性能。     

非线性系统中多传感器目标跟踪性能分析

主要研究了非线性系统中二维平面上的目标跟踪问题.在非线性系统中分析了传感器的测量精度和目标到传感器的距离的关系是如何限制两传感器和目标所成的夹解对两部同类型同精度的传感器的的融合跟踪精度的影响的.通过理论证明和仿真得出,在一定的条件下,通过调整两传感器和目标所成的夹角可以大大地提高对目标的跟踪精度.这对多传感器融合目标跟踪具有理论指导意义.     

粒子滤波器及其在目标跟踪中的应用

为了在物理条件下对目标进行精确建模，有时需要运用非线性、非高斯系统。而常规的卡尔曼滤波算法要求系统是线性高斯型的，因而不能直接用来解决非线性、非高斯问题。为了解决这一问题，人们开发出各种非线性滤波算法。一种是扩展卡尔曼算法(EKF)，它对非线性系统进行局部线性化，从而间接利用卡尔曼算法进行滤波与估算；另一种是序列蒙特卡罗算法，亦即粒子滤波器(PF)，它是最近出现的解决非线性问题的有效算法。本文简要介绍非线性跟踪的最优与次优贝叶斯算法，重点关注粒子滤波器，通过再入大气层弹道目标的例子，说明PF在目标跟踪中的应用。     

多站测角的机动目标最小二乘自适应跟踪算法

为了避免被动跟踪中非线性带来的计算复杂化及精度的下降问题,该文首先采用最小二乘法对目标的状态进行粗估计,然后采用当前机动目标模型和自适应跟踪算法进行线性的卡尔曼滤波,以实现对目标较高精度的定位和跟踪。实验结果表明:该方法对于匀速和匀加速运动的目标都可以达到良好的跟踪效果,其误差远小于经典的singer方法;对于强机动目标,singer方法将失效,而本文方法仍能实时辨识出目标的速度和加速度,并且估计效果良好。     

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF 算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。     

干扰条件下的组网雷达目标跟踪研究

从雷达获取量测信息的特点入手,提出了组网雷达在压制式干扰下利用残留信息的技术和在欺骗式干扰下的假目标剔除技术,运用UPF滤波算法,在干扰条件下对目标进行跟踪.该跟踪技术使得组网雷达可以有效、精确地跟踪真目标.仿真结果验证了该技术的可行性和有效性.