基于UKF算法的惟方位单站无源跟踪

单站无源跟踪问题本质上是非线性估计问题,使用传统的EKF算法进行跟踪滤波,得到的结果误差较大,容易产生发散现象。本文在惟方位跟踪中应用UKF算法,仿真结果表明,与EKF相比,采用UKF算法跟踪精度较明显的提高,同时增强了滤波器的稳定性,有效地改善了跟踪性能。     

基于UKF的再入大气层弹道导弹跟踪研究

UKF（Unscented KF）是一种非线性滤波算法,该方法采用一组确定的取样值来近似目标状态的概率密度函数（不必是高斯分布）的均值和协方差,可用于非线性非高斯系统模型和观测模型条件下的目标跟踪,通过再入大气层弹道导弹跟踪仿真实验,验证了UKF算法的有效性、精确性和易实现性。     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

基于强跟踪AUKF的目标跟踪算法

针对无迹卡尔曼滤波器在递推过程中不具有对测量条件变化和系统模型不确定性的自适应性,在模型不准确或出现不良测量条件时跟踪效果不佳的问题,提出一种新的目标跟踪算法,即基于改进强跟踪的自适应无迹卡尔曼滤波器(STF-AUKF)。该算法一方面基于自适应滤波的思想,利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应UKF;另一方面,依据改进强跟踪滤波的思想,采用时变渐消因子实时调节矩阵增益以此应对模型突变,保证跟踪效果。仿真结果表明,STF-AUKF算法在目标突发机动时仍然具有较好的稳定性和跟踪效果。     

基于UKF算法的机载雷达地面动目标跟踪算法分析

文章根据道路先验信息,建立具有约束条件的道路地面目标运动方程,并根据雷达的非线性测量特点,引入无迹变换的思想,建立跟踪地面动目标的无迹卡尔曼滤波UKF算法模型。仿真试验表明,该算法具有稳定性好、精度高的特点。     

一种基于UKF的弹道导弹跟踪算法

文章提出了一种基于UKF的弹道导弹跟踪算法—Singer-UKF算法。传统的弹道导弹跟踪算法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高。文章在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并针对非线性的目标量测模型应用不敏卡尔曼滤波算法。将该算法与扩展卡尔曼滤波算法进行蒙特卡罗仿真比较,仿真结果表明该算法的跟踪效果更好。     

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。     

改进UKF算法及其目标跟踪性能研究

研究了Unscented变换的基本原理及UKF算法。为了降低跟踪系统计算的复杂性,在Unscented变换中,通过引入单位矩阵,以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程,把UKF改进为FMSRUKF。通过对三维坐标系下作变加速运动目标的跟踪仿真,结果表明FMSRUKF有更好的精度和鲁棒性。     

基于多个颜色分布模型的粒子滤波跟踪算法

基于粒子滤波的目标跟踪性能在很大程度上依赖于观测模型的选择.为了解决被跟踪目标外观特征变化导致模型漂移问题,提出了一种新的粒子滤波算法,利用目标外观的先验知识,为目标建立多个颜色模型,通过对目标函数的优化,采用最优凸组合模型实时地对目标进行跟踪.同时,采用UKF(Unscented Kalman Filter)产生粒子...     

相互作用多模型跟踪过程中的航迹外推算法

提出运用IMM对目标进行跟踪时的航迹外推算法,解决了机动目标跟踪中的航迹外推问题。利用历史信息和转移概率推导出模型预测概率,结合单一模型的预测航迹和模型预测概率得到了相互作用多模型跟踪过程中的外推航迹。通过Monte-carlo仿真表明,运用外推方法在机动目标跟踪时能将误差控制在较小的范围内,具有很好的跟踪性能。     

基于聚类思想的弹道外推算法研究

为了提高炮位侦察校射雷达中炮位侦察定位精度同时提升外推结果一致性,本文引入聚类思想,建立了基于K-均值聚类的弹道外推模型。该模型采用七态无迹卡尔曼滤波算法对量测数据进行多次滤波,然后利用4 阶龙格-库塔积分方法对火炮位置进行外推,最后对多次外推结果进行K-均值聚类处理,采用综合多因子方法计算簇品质,选取最优簇对应的聚类中心作为最终的火炮位置进行输出。实验结果表明,该弹道外推算法显著提升了外推结果的一致性及定位精度。     

UKF算法在单站无源定位与跟踪中的应用

提出了相位差与无迹卡尔曼(UKF)算法相结合的单站无源定位方法。把2个相互正交的相位干涉仪测量出目标辐射电磁波的相位差信息作为观测量,采用UKF滤波算法加以处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置和速度,来实现对辐射源目标的快速高精度无源定位。UKF与传统的EKF滤波算法相比,不用计算雅克比矩阵,实现简单,且有更高收敛速度和定位精度。     

极坐标系下UKF双站目标跟踪算法研究

介绍了传统的带多普勒量测信息的双基地目标跟踪模型,提出了采用一组新的状态变量替代原有状态变量,得到了极坐标系下量测方程完全线性化的双基地跟踪模型,并将无迹卡尔曼滤波（UKF）应用于这个非线性系统的目标跟踪。通过仿真实验看出,与同样使用UKF进行跟踪的传统的混合坐标系跟踪模型相比较,极坐标系UKF算法有更好的跟踪性能,收敛快,对噪声有更强的适应能力。     

基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

基于Kalman滤波的均值漂移目标跟踪算法

为解决目标追踪中目标被遮挡的问题,文中设计了一种基于卡拉曼滤波的均值漂移目标跟踪算法。在选定目标的情况下,利用均值漂移算法迭代求得目标的位置,当目标被遮挡时,根据前一时刻目标的位置和速度等信息采用卡尔曼滤波预测,得到目标的位置。实验结果表明,该算法在有遮挡的情况下,准确性和实用性更强