基于红外和雷达数据融合的机动目标跟踪方法

文章基于并行多传感器联合概率数据关联算法,提出了一种杂波环境下的多传感器多机动目标跟踪算法,首先使用融合算法将红外和雷达的量测进行异步和同步融合,然后应用融合后的量测,采用IMM算法实现对机动目标的跟踪.在仿真实验中分别跟踪单个和多个目标,结果表明该算法可以解决两种传感器的量测不同步问题,同时可以消除漏检现象对目标跟踪的影响,并能保证一定的跟踪精度.     

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差.仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度.     

基于EKF的MMW/IR空中机动目标融合跟踪仿真

针对毫米波雷达/红外传感器(MMW/IR)复合制导空中机动目标融合跟踪问题,分别在集中式、分布式结构基础之上研究了基于扩展卡尔曼滤波(EKF)的集中式、分布式融合算法,并提出了评估算法性能的指标.通过仿真,比较分析了两种融合方式下空中机动目标状态的估计误差,对所提出的算法的跟踪性能进行了验证,为MMW/IR复合制导空中...     

一种基于毫米波/红外复合制导的跟踪滤波算法

信息融合技术是毫米波/红外复合制导的关键技术之一,其中目标跟踪算法的优劣直接决定了系统的性能.针对毫米波与红外复合制导的目标跟踪,首先对毫米波传感器和红外传感器的量测数据进行了融合,并提出了一种改进的跟踪滤波算法.该跟踪算法能根据目标的机动情况实时获得滤波增益,并及时调整滤波方程,从而获得良好的跟踪效果.最后对目标的直线运动和改变航向的直线运动进行了仿真分析.仿真结果表明,与其它滤波算法相比,该算法的跟踪效果良好,跟踪精度较高且计算量少.     

李世忠，王国宏，吴 巍，苏少涛

在强对抗条件下雷达/红外双模复合制导跟踪中,雷达采用间歇工作方式可以减少敌方导弹拦截概率和电子支援措施锁定概率。文中在导弹复合制导跟踪中提出了一种雷达间歇工作下的雷达与红外序贯滤波融合算法,该算法针对雷达、红外量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方法对目标进行跟踪,在跟踪中使用了基于交互多模型和扩展卡尔曼(IMM-EKF)的序贯滤波方法,利用滤波过程中的状态估计协方差与测量误差方差进行比较控制雷达间歇工作。该算法可以自动适应雷达间歇工作,不需要在单/双传感器跟踪模式之间切换,最后通过仿真的方法分析了传感器数据率和雷达间歇工作对跟踪精度的影响。     

多传感器分布式推广卡尔曼滤波算法及其在雷达红外目标跟踪中的应用

本文提出了一种用于非线性系统的多传感器分布式推广卡尔曼滤波算法,该算法中系统的动态方程和传感器的观测方程分别围绕全局估计和全局预测线性化,融合中心基于所有传感器观测的全局估计由各传感器基于自身观测的局部估计来重构。算法分析说明,全局估计的精度高、误差小。最后介绍了文中算法在雷达和红外两种传感器跟踪机动目标中的应用,仿真结果验证了该算法的有效性。     

基于IMMCKF的机动目标跟踪算法

针对非线性机动目标跟踪中滤波器易发散、跟踪精度低等问题,将容积卡尔曼滤波器(CKF)引入到交互式多模型算法(IMM)中,设计了交互式多模型容积卡尔曼滤波算法(IMMCKF)。该算法采用Markov过程描述多个目标模型间的切换,利用CKF滤波器对每个模型进行滤波,将各滤波器状态输出的概率加权融合作为IMMCKF的输出。仿真结果表明,与IMMUKF算法相比,IMMCKF算法跟踪精度更高,模型切换速度更快,计算量更小,该算法具有重要的工程应用价值。     

变维的机动目标跟踪算法

为改善现有机动目标跟踪方法存在的跟踪精度不高、滤波易发散的问题,提出了一种RA-Jerk-EKF算法,该算法将目标径向加速度信息引入量测向量,通过增加雷达量测向量维数提高机动目标的跟踪精度。在信号处理阶段利用分数阶傅里叶变换(FRFT)估计出目标的径向加速度,并将其通过坐标转换引入量测向量中;在数据处理阶段采用Jerk模型和扩展卡尔曼滤波(EKF)算法解决滤波算法中非线性量测方程问题;最后将该方法与传统的不带径向加速度的Jerk-EKF方法进行了仿真比较。结果表明,该方法在跟踪精度,位置、加速度和速度估计精度方面均有所改善。     

机载雷达红外传感器集中式融合与管理

提出一种机载多传感器集中式序贯融合与管理的方法.传统扩展卡尔曼滤波融合算法滤波精度不高,因此先利用雷达传感器的量测,采用修正扩展卡尔曼滤波算法对目标状态进行估计,再把估计值作为红外传感器的预测值进行序贯融合.在此基础上采用分辨力增益的方法对传感器进行管理.仿真结果表明该方法能够提高对目标的跟踪精度,增强跟踪系统对环境变化的适应能力.     

基于量测转换的交互多模型概率数据互联算法

针对雷达跟踪机动目标时,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换的交互多模型概率数据互联算法.推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法.仿真结果表明了新算法的可行性和有效性.     

红外与激光主/被动联合跟踪算法

文中针对单站红外被动式跟踪存在可观测性问题,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测量方程,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对准,得到正确的测量值。最后,提出扩展的自适应卡曼滤波算法并进行了仿真研究。仿真研究表明方案可行,可同时对三维空间目标的位置、速度、加速度进行估计。     

雷达红外复合目标识别技术研究

雷达与红外传感器所获取的信息能实现互补,可以改善对目标识别跟踪的效果。提出了雷达与红外成像双模目标识别的方法,利用两种独立传感器的信息互补性来构造联合特征向量,通过有序加权平均算子信息融合系统进行目标识别。仿真实验表明,采用这种方法能提高融合结果的稳定性、可靠性。     

一种红外/雷达双传感器融合目标跟踪算法

分析了一种集中式单目标雷达／红外双传感器融合跟踪算法的基本流程，针对两种传感器间测量信息不同步的问题，采用了一种基于最小二乘法的时空配准方法。给出了一种基于拉格朗日乘数法的最优加权平均融合算法，并设计了跟踪滤波器进行仿真实验。     

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.     

基于CPFDE的目标跟踪算法研究

在目标跟踪中,为了克服粒子滤波的粒子退化和贫化问题,提高滤波精度,文中将差分演化算法与容积粒子滤波相结合,形成了差分演化容积粒子滤波算法。在粒子进行先验更新时, 使用容积卡尔曼滤波算法融入当前时刻的量测信息并用其来产生重要性密度函数,并且在重采样阶段,用差分演化算法对根据重要性密度函数抽取的采样粒子做优化操作,从而克服粒子滤波存在的粒子退化及贫化问题,提高滤波性能。实验结果表明,和粒子滤波、无迹粒子滤波、容积粒子滤波相比,该算法有着更高的滤波精度和更好的稳定性,并且能够提高雷达机动目标跟踪的精确性。     

红外/雷达交叉定位的双门限间歇式目标跟踪方法

针对组网火控雷达交替间歇跟踪中的盲期问题,提出基于交叉定位的红外/雷达双门限间歇跟踪方法。该方法首先采用改进的天线波束控制算法消除相关误差的影响;其次,通过双跟踪精度门限控制传感器工作时间,同时利用多红外交叉定位跟踪,进一步增加静默跟踪雷达的反应时间;最后,利用基于数据压缩的序贯式融合算法对异类间歇数据进行融合处理,实现了组网系统对目标的连续跟踪。仿真结果表明,该方法可以进一步减小跟踪盲期的影响,有效地提高系统的整体性能。     

MULTISENSOR DISTRIBUTED EXTENDED KALMAN FILTERING ALGORITHM AND ITS APPLICATION TO RADAR/IR TARGET TRACKING

A multisensor distributed extended Kalman filtering algorithm is presented for nonlinear system, in which the dynamic equation of the system and the equations of sensor's measurements are linearized in the global estimate and global prediction respectively and the suboptimal global estimate based on all available information can be reconstructed from the estimates computed by local sensors based solely on their own local information and transmitted to the data fusion center. An analysis of the properties of the algorithm presented here shows that the global estimate has higher precision than the local one and smaller linearization error than the existing method. Finally, an application of the algorithm to radar/IR tracking of a maneuvering target is illustrated. Simulation results show the effectiveness of the algorithm.