一种新的机动目标非线性跟踪算法

描述了一种新的机动目标非线性跟踪算法（简称ＮＬＦ算法），提出了合理了机动似然函数，导出了机动概率估值方程。仿真结果表明，ＮＬＦ算法具有计算量小、跟踪性能好等特点，有较好的工程应用价值。     

一种精确跟踪机动目标的滤波算法的研究

介绍一种自适应调整过程噪声方差的滤波计算新方法.此方法不需要目标机动的先验知识,而是构造一个可自适应调整的缩放因子,通过该因子对过程噪声进行调节.结合协方差匹配自适应滤波算法的思想,给出一种新的机动目标跟踪算法.通过蒙特卡洛仿真,同IMM算法进行比较,结果表明算法在目标发生机动时具有更好的性能.     

一种多模型贝努利粒子滤波机动目标跟踪算法

交互式多模型贝努利粒子滤波器(Interacting Multiple Model Bernoulli Particle Filter, IMMBPF)适用于杂波环境下的机动目标跟踪。但是IMMBPF将模型信息引入粒子采样过程中会导致用于逼近当前时刻真实状态与模型的粒子数减少,而且每次递推各模型间的粒子都要进行交互,存在计算量过大的缺点。为提升IMMBPF中单个采样粒子对于真实目标状态和模型逼近的有效性,该文提出一种改进的多模型贝努利粒子滤波器(Multiple Model Bernoulli Particle Filter, MMBPF)。预先选定每一个模型的粒子数,且模型间的粒子不需要进行交互,减少了计算负荷。模型概率由模型似然函数计算得到,在不改变模型的马尔科夫性质的条件下避免了小概率模型的粒子退化现象。仿真实验结果表明,所提出的MMBPF与IMMBPF相比,用较少的粒子数就可获得更优的跟踪性能。     

一种基于自适应粒子滤波的目标跟踪方法

提出一种利用最近的目标轨迹信息自适应调整运动模型的粒子滤波方法,根据背景地形或道路信息建立若干目标轨迹模式,然后利用目标轨迹模式将最近的目标轨迹进行分类,通过与当前目标最近段轨迹匹配的目标轨迹类,获得当前目标在下一时刻状态后验概率分布对应的粒子.实验结果表明该方法具有较强的鲁棒性,能有效实现复杂场景下的目标跟踪.     

一种新的机动目标跟踪的多模型算法

采用带渐消因子的当前统计模型与匀速运动模型进行交互,设计了一种新的机动目标跟踪的交互式多模型算法。当前统计模型具有对一般机动目标跟踪精度高的特点,通过渐消因子的引入增强了该模型对突发机动的自适应跟踪能力,同时通过与CV模型的交互保证了对非机动目标的跟踪性能。仿真结果表明,在跟踪一般机动目标时,其误差和当前统计模型与CV模型交互的IMM算法相当;在跟踪突发机动目标时,该文算法的误差明显小于当前统计模型与CV交互的IMM算法。     

一种新的机动目标跟踪的多模型算法

设计了一种仅仅使用两个模型实现对机动目标精确跟踪的多模型算法,采用了含有法向和切向加速度的加速度均值自适应的当前统计模型和扩展后的常速模型进行交互。该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强。仿真结果表明,该算法对目标的跟踪精度明显优于传统的使用3个以上模型交互的IMM-CV/CT算法。由于本算法能够估计出目标的法向和切向加速度,进行适当的模型集设计后,可以实现对复杂、快速机动目标的全过程跟踪,具有可扩展性的应用前景。     

基于Kalman滤波的机动目标跟踪方法研究

飞行器的机动性大,在运动过程中随时会出现转弯、跃升俯冲等现象。雷达跟踪系统能否对这种机动进行有效捕获,成为检验其可靠性的关键。在传统Kalman滤波方法基础上,对目标的运动状态进行检测,一旦检测到机动,滤波器就进行不同维数的转换,使跟踪结果快速收敛,从而实现对机动小目标的精确跟踪。仿真结果证明该方法正确有效,计算简便。     

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

机动目标跟踪中一种机动频率和方差自适应滤波算法

在机动目标跟踪中,当前统计模型(Current Statistical model, CS)需要预先依据经验设定机动频率和加速度极限值,当预先设定的值与目标的实际运动状态不一致时,将造成较大的跟踪误差。为克服上述问题,该文首先从当前统计模型的离散状态方程中,导出了一种机动频率自适应算法,然后对张安清及巴宏欣等人提出的加速度方差自适应算法进行了改进。仿真实验表明,在综合运用上述机动频率自适应和加速度方差自适应算法的基础上,对CS 模型修改后,得到的机动目标跟踪自适应滤波算法(Mending CS based Adaptive Filtering algorithm,MAF),能够有效增强基于CS 模型的机动目标跟踪自适应滤波算法(CS based Adaptive Filtering algorithm, AF)对目标运动状态变化的自适应能力,并且在低噪声环境下,跟踪精度比AF 算法有所提高,算法收敛速度可达到AF 算法的2 倍,在强噪声环境下,目标机动阶段的跟踪精度提高近2 倍,匀速阶段的精度与AF 算法相当,算法的收敛速度可达到AF 算法的4～10 倍,因此,MAF 算法具有较强的抗干扰能力。      

自适应混合多模算法在机动目标跟踪中的应用

本文介绍了用于机动目标跟踪的自适应混合多模算法。这个算法不需要预先定义模型。它利用一个二级卡尔曼滤波器来估计目标的加速度。这个加速度被用于混合多模算法中具有不同确定性加速度的子滤波器中。文中给出了自适应混合多模算法的一个计算机模拟结果并与无自适应混合多模算法的结果进行了比较。     

一种检测红外点目标的方法

提出了一种用二次阈值检测红外点目标的方法，该方法对于提高红外警戒系统的探测率和控制虚警率具有较好的效果     

一种基于小波变换的自适应滤波新方案

本文基于L2(R)函数的尺度函数表示法提出一种适用于声回波对消应用的自适应系统辩识的新方案。该方案可以利用小波变换的抽取特性,降低自适应迭代的次数且保持小波准正交变换的优点。计算机模拟证实了上述论断的正确性。     

步进跟踪模式下的单脉中雷达三维成像技术研究

该文提出了步进跟踪模式下的单脉冲三维成像方法。分析了步进跟踪体制下差信号的幅度线性调制问题,同时提出了补偿方法,该方法解决了单脉冲三维成像中所必须的目标精确跟踪问题,最后通过仿真验证了所提方法的有效性。     

短波信道的分步平方根卡尔曼滤波

本文在平方根卡尔曼滤波的基础上提出了分步平方根卡尔曼滤波理论。此滤波理论包含了原始的平方根卡尔曼算法和梯度算法,由此两种算法可生成各种形式的简化算法,运算量大为下降,但性能并未显著降低。故特别适用于实时处理的高速短波数传系统。     

非线性信道自适应均衡的一种方法

本文通过对非线性信道模型的分析,构造了一种新的、关联模型的自适应均衡器。分析表明,与一般的基于Volterra级数的非线性扩展关联模型相比,新结构的权数大为减少。模拟实验证实,当信道噪声较小时,新结构以较高的精度收敛于最佳解。而且无论对最小相位或非最小相位信道,该均衡器均表现出良好的收敛特性和误码性能。     

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。     

同伦连续自适应IIR滤波算法

本文将同伦连续的方法引入自适应IIR滤波,提出了同伦连续自适应滤波算法。这种算法可以在无需任何外加稳定性监控的情况下,为自适应IIR滤波器提共高的稳定性。     

一种计算图象处理速度的新方法

本文描述的是一种用于计算图象处理速度的新技术。如果图象面积已知,那么利用一组相互正交的延迟线就可以分析计算出图象处理速度矢量的两个垂直分量;而计算一个未知图象面积的处理速度,则需要以两组相互正交的延迟线辅助之。该方法适用于作处理模拟大规模集成电路的工具。     

基于改进均值位移的红外目标跟踪方法

针对红外序列图像中目标存在旋转的问题,提出了一种改进的Meanshift跟踪方法.首先通过建立带有带宽矩阵Gaussian核的Meanshift矢量,采用类似EM的方法给出了递推公式;并且通过对图像序列的运动补偿,提高了算法的适应性;同时通过和Kalman滤波相结合,提高了算法的鲁棒性.实验结果证明算法能够成功实现对红外目标的跟踪,并且对目标旋转和缩放具有很强的适应性.