基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。     

基于粒子滤波的复杂背景红外弱小目标跟踪

针对红外弱小目标跟踪过程中背景复杂、目标过小导致检测困难以及跟踪不连续的问题,提出一种基于粒子滤波的鲁棒红外弱小目标跟踪方法。首先,考虑弱小目标位置、灰度以及目标量化直方图等特征,建立目标状态以及量测模型。根据量测各分量相互独立的特性,将量测相应分量的多特征似然函数集成于粒子滤波的框架中对低信噪比下的弱小目标状态进行自适应更新,改善由漏检引起的跟踪不连续问题。最后,采用平滑算法提升目标在运动学特征上的精度。仿真实验表明,所提算法能有效跟踪复杂背景下的红外弱小目标。     

一种基于QMC-APF的检测前跟踪算法

针对粒子滤波检测前跟踪算法中存在的粒子数目大,导致计算量和存储量大的问题,提出了一种基于拟蒙特卡罗的辅助粒子滤波检测前跟踪算法。该算法通过引入拟蒙特卡罗思想,产生低差异序列代替原来算法中的伪随机序列,使得粒子分布更加均匀,可以有效降低粒子数;采用辅助粒子滤波算法,对粒子进行两次加权操作。实验仿真表明,在对雷达弱目标进行检测与跟踪的过程中,该算法能够在保证算法性能的同时减少算法中的粒子数目,有效降低计算量和存储量。     

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.     

压制干扰下基于联邦滤波的机动目标跟踪方法

针对远距离压制干扰下机动目标跟踪问题,分析了远距离大功率压制干扰对于雷达探测及测量精度的影响,引入新的量测模型模拟雷达在压制干扰下由于探测概率下降出现的目标暂消现象,并利用去相关无偏量测转换方法将球坐标下的量测转换到直角坐标系下.在此基础上,基于自适应联邦滤波的思想建立了雷达压制干扰下的机动目标跟踪算法.仿真结果表明,在远距离压制干扰下,所提方法可以保持对目标在多种机动情况下的稳定、准确跟踪,与现有方法相比具有明显的优势.     

干扰条件下基于UPF的组网雷达目标跟踪

为解决压制性干扰对组网雷达跟踪滤波的影响,引入系统量测合成方法来解决测量信息不全的问题,采用UPF算法来解决非线性非高斯背景下的目标跟踪问题。仿真结果表明系统量测合成与UPF结合的方法,可以充分利用组网雷达"残留"信息,能够有效对目标进行跟踪,在跟踪精度和时效性上均优于标准PF算法。     

基于高斯粒子滤波的机载GMTI雷达跟踪

在使用机载雷达对地面目标进行跟踪过程中,常规粒子滤波算法时间复杂度高,误差性能改善幅度不明显。在状态向量服从高斯分布的条件下,将高斯粒子滤波算法应用到机载GMTI雷达非线性滤波过程中。该方法可以根据状态向量的二阶统计量抽取粒子,粒子权值不需要递推计算。相对于常规粒子滤波算法,降低了时间复杂度,并且能够在一定程度上提高误差性能。仿真结果证明了该方法的有效性。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

基于辅助粒子滤波的机动弱目标TBD算法

为了解决低信噪比条件下的机动目标检测跟踪问题,研究了辅助粒子滤波与多模粒子滤波(MMPF)相结合的检测前跟踪(APF-MMPF)算法。将多模粒子滤波过程中包含目标存在变量及运动模式变量的预测粒子直接用于产生辅助变量,进行辅助粒子滤波过程实现对机动目标的检测跟踪。通过APF-MMPF算法与单纯MMPF算法的仿真结果对比可见,APF-MMPF算法的检测概率高、跟踪误差小,检测跟踪性能优于MMPF算法。由算法机理和仿真结果可见,由于APF-MMPF算法中粒子采样利用了当前量测信息,可有效提高对机动目标的检测跟踪性能。     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

Direct tracking of noncircular sources for multiple arrays via improved unscented particle filter method

Direct tracking problem of moving noncircular sources for multiple arrays is investigated in this study. Here, we propose an improved unscented particle filter (I-UPF) direct tracking method, which combines system proportional symmetry unscented particle filter and Markov Chain Monte Carlo (MCMC) algorithm. Noncircular sources can extend the dimension of sources matrix, and the direct tracking accuracy is improved. This method uses multiple arrays to receive sources. Firstly, set up a direct tracking model through consecutive time and Doppler information. Subsequently, based on the improved unscented particle filter algorithm, the proposed tracking model is to improve the direct tracking accuracy and reduce computational complexity. Simulation results show that the proposed improved unscented particle filter algorithm for noncircular sources has enhanced tracking accuracy than Markov Chain Monte Carlo unscented particle filter algorithm, Markov Chain Monte Carlo extended Kalman particle filter, and two-step tracking method.     

Road sign tracking for adaptive cruise control under nonlinear conditions

A vision-based system is described for adaptive cruise control to track road signs from within a moving vehicle. The proposed system has the standard architecture with a particle filter due to its robust tracking performance in a complex environment. In the case of tracking road signs in a real environment, it has great difficulty in predicting time series data by reason of its nonlinear characteristics. To overcome this problem, proposed is a state transition model to which the differences of affine parameters and a fuzzy-autoregressive model are applied. Also, to make an observation model, the Parzen window is used at a measurement step in the particle filter.     

被动导引头辐射源跟踪新算法研究

由于被动导引头辐射源跟踪系统非线性较强,传统的跟踪滤波算法是粒子滤波（PF）、U卡尔曼滤波（UKF）。但这些算法都存在着一定的缺陷,粒子滤波算法收敛速度慢、计算量大,UKF跟踪精度低。针对上述问题,提出了一种基于PF算法的新的跟踪滤波算法PUKF。该算法采用粒子滤波和U卡尔曼滤波加权的思想对目标实现初始的捕捉,然后通过UKF算法对目标进行跟踪保持。该算法受初始状态影响小,跟踪的精度高,收敛速度快,系统性能稳定。仿真实验表明了在被动辐射源跟踪系统中该算法的可行性和有效性。     

不完全量测下基于后验置信度残差检测的光电跟踪滤波器设计

 不完全量测下残差检测算法的设计是光电跟踪滤波器设计的关键,算法的正确检测概率直接影响到跟踪滤波器的估计性能.为了进一步提升传统残差检测算法的正确检测概率,提出了一种基于后验置信度的残差检测算法.其主要思想是在传统残差检测算法的基础上首先增加一个检测门限,对处于两个门限之间的残差,利用模糊隶属度函数方法进行模糊化,得到残差的似然概率,进而结合跟踪系统的先验探测信息,计算出探测数据的后验置信度,并根据计算结果对跟踪系统的数据探测情况进行判定.进一步,基于后验置信度残差检测算法,在不完全量测下设计了基于无偏转换量测的光电跟踪滤波器,并给出了跟踪系统统计意义下的Cramer-Rao下界(CRLB).Monte-Carlo仿真表明:基于后验置信度残差检测的光电跟踪滤波器,与基于传统残差检测的光电跟踪滤波器相比,估计性能有了进一步提升,特别是当跟踪系统探测概率较低时,估计性能提升更加显著,并且估计误差均方差(RMSE)已逼近跟踪系统统计意义下的CRLB.     

基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法

提出了一种新颖和鲁棒的红外图像序列中的目标跟踪方法。由于H无穷滤波器在系统噪声源不能确定或是未知的情况下具有较好的预测性能，所以以其估计得到的预测信息来分配粒子滤波算法的粒子。为解决粒子滤波的“采样枯竭”问题，正则化了H无穷粒子滤波器的观测矢量。同时，通过计算每个目标的亮度和局部标准差分布构成级联核的目标模型，以用于计算粒子集中各个粒子的加权值。对于目标的尺寸和表观信息变化的情况，以目标区域像素灰度值零阶矩的函数来调整跟踪窗口的大小，模型更新则通过更新目标模型的每个量化阶来实现。实验结果证明了所提出的红外图像目标跟踪方法是有效的，并且优于所比较的算法。     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时,为了提高航迹关联效率并改善非线性场景跟踪效果,提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling,PF-KIS)算法。首先,将航迹关联分解为聚类和指派,通过密度聚类筛选并整合有效目标,经过匈牙利指派得到目标和航迹的最佳匹配关系,避免产生多余联合事件,提高关联效率;其次,以卡尔曼滤波的结果作为粒子滤波的先验,使采样粒子分布更合理,提高估计精度,进而改善非线性跟踪能力。实验表明,算法平均航迹关联正确率约为95%;非线性场景误差约为卡尔曼滤波的1/2,有效地改善了非线性场景跟踪能力。     

多光路光电跟踪系统跟踪精度分析

以提高多光路光电跟踪系统的跟踪精度为目的,通过对常见误差因素的种类和影响程度分析,给出了误差的分类和合成计算方法。在理论分析的基础上,对工程实例的跟踪精度做了定量计算,给出了提高光电跟踪系统跟踪精度的建议和方法。     

组网红外/雷达协同间歇式目标跟踪

为进一步提高组网火控雷达间歇跟踪系统性能,提出了基于组网的红外/雷达协同间歇跟踪方法.该方法利用红外/雷达进行协同间歇跟踪,通过数据拟合对连续红外数据与间歇雷达数据进行时间配准,并对配准后的数据进行压缩,然后采用集中式序贯滤波融合算法对异类间歇数据进行融合,形成连续的目标跟踪航迹.仿真结果表明,与组网火控雷达间歇跟踪相...     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。