网络化弹药系统中基于IMM算法的轨迹跟踪

网络化弹药系统是一种基于先进的无线传感器网络技术与现代智能弹药概念提出的一种弹药系统。为了实现网络化弹药系统中目标跟踪的任务,文中研究了将交互式多模型(interacting multiple model,IMM)滤波算法应用于网络化弹药系统实现对目标的轨迹跟踪,分别建立匀速拐弯运动以及匀速运动模型,目标在不同时刻遵循不同运动模型,利用IMM算法对探测到的目标进行跟踪建模,通过仿真分析,IMM算法跟踪效果良好,精度远高于最小二乘法。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

多车协同目标跟踪方法

地面无人系统中多车信息融合技术是提升系统环境感知能力的重要途径。针对单车传感器存在视野遮挡及盲区导致的目标跟踪不连续不稳定问题,提出一种集中式多车协同感知的结果级融合系统模型。该系统模型采用激光雷达作为车辆感知传感器,对不同车辆构建的环境栅格地图在主控端采用D-S证据理论进行融合、得到全局静态环境地图,完成多车协同感知环境模型的构建。在此环境模型基础上设计一种多车协同目标检测与跟踪方法,采用极大值抑制的方法解决检测目标融合冲突;设计一种级联动态目标匹配与跟踪管理方法,完成目标预测跟踪并将结果下发给各车。由两辆无人车组成的实车系统测试结果表明：当出现目标遮挡时,所提多车协同目标检测与跟踪架构相对于单车感知在环境表征上能够获得更全面的目标信息,跟踪目标未出现漏检,未发生跳变;跟踪器输出位置状态结果与检测结果误差较小,能够对所跟踪目标的状态进行准确估计,跟踪轨迹保持连续,有效提高了单车环境感知视野。     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量，使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大，并且在转弯机动处，误差出现峰值．算法的平稳性较差；而在进行固定延迟平滑后，算法的跟踪精度有了明显的提高。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于无线传感器网络动态簇的目标跟踪

着重研究了基于动态簇目标跟踪的两个关键环节：动态簇的组建和目标状态估计。在动态簇组建方面，提出了综合考虑节点感应信息和节点电量的簇头竞选方案；在目标状态估计方面，定义了包含信号测量强度的最近点( CPA)事件，并提出了基于该CPA事件的新型估计算法。结合这两个关键环节，本文给出了基于动态簇的无线传感器网络目标跟踪过程，包括动态簇的初始化、簇内数据聚合、目标状态估计、动态簇的重组、目标丢失检测以及目标恢复等。仿真结果表明：本文建立的目标跟踪系统具有失效概率低、网络寿命长和跟踪精度高等优点。     

机动目标跟踪的多传感器分层加权融合算法

针对应用并行,Bar Shalom-Campo等融合算法实现多传感器对机动目标的融合跟踪时,经典的交互多模型(IMM)无法提供目标运动模型这个先验信息的问题,提出一种机动目标跟踪的多传感器分层加权融合算法,该算法通过分层加权得到多种融合算法所需的目标运动模型信息,最后使用扩展卡尔曼滤波器(EKF)对状态预测和量测进行融合估计,实现了多传感器对机动目标的融合跟踪。仿真实验表明,和单传感器相比,所提算法显著提升了机动目标的跟踪精度。     

一种地面目标跟踪算法的设计与实现

对地面机动目标的跟踪问题是目标跟踪领域的难点,多传感器数据融合技术以及变结构交互多模型算法是解决地面目标跟踪问题的有效途径。针对目标运动特点,将地面目标运动特性和运动状态作为先验信息,设计了一种地面目标跟踪算法,给出了算法的详细步骤,算法主要采用了加权观测融合卡尔曼滤波器及采用模型组切换方法的变结构多模型算法实现。仿真及误差分析结果表明,该算法优于传统交互多模型算法。为地面目标跟踪算法的设计提供了参考。     

基于极限学习机模型的粒子滤波无设备定位方法研究

在无线通信环境中,无线射频信号易受到干扰,强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系,更加精准地估计目标位置,提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段,建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库,利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段,通过映射关系结合PF实现目标位置的跟踪。实验结果表明,所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系,而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

基于多传感器的航迹自动判别算法

为解决多传感器系统在目标跟踪时由于某个传感器不能正常工作而影响目标航迹精度的问题,采用基于最小二乘曲线拟合和kalman一步预测的判别算法,自动识别暂时失效的传感器并抛弃其受到污染的数据,以提高系统输出数据的精确性和整个系统的健壮性。并采用交互多模型（Interacting multiple model,IMM）进行仿真实验。实验结果表明,该算法实现简单,且有良好的效果。具有很好的工程应用前景。     

一种改进的迭代学习控制方法及其应用

针对非线性系统的学习控制问题,提出了一种改进的迭代学习控制方法.该迭代学习控制方法同时利用系统中前次迭代控制的跟踪误差信息与当前的跟踪误差信息,以及它们各自的微分信息,且采用可调的迭代学习系数,根据系统误差的变化及时地调节学习系数,从而提高了目标的跟踪能力.通过分析,给出了此迭代学习控制方法收敛的充分条件.仿真结果验证了此学习控制方法的有效性.     

不完全信息下分布式目标跟踪算法

针对分布式目标跟踪过程中出现数据丢包和不完全量测现象,提出一种分布式目标跟踪算法.该算法由统计意义下局部滤波器和基于协方差交叉算法融合滤波器构成,其中局部滤波器利用邻域内各节点测量信息计算局部滤波值,融合滤波器则将邻域内各节点局部滤波值进行融合处理,得到该节点的目标坐标信息;最后,利用典型目标航迹模型对该算法进行仿真分析.仿真结果表明:该算法可有效抑制不完全信息发生时对目标跟踪结果的不利影响,可为分布式目标跟踪系统在实际工程中的设计与研制提供有益的参考.     

基于自修复能力的跟踪过程优化

针对现有跟踪预测算法很少具有针对跟踪错误的自修复能力,给出了一种目标跟踪预测过程中的检错和纠错机制,并完善形成了一个具有自修复能力的目标跟踪预测过程。仿真结果表明,提出的纠错机制能够有效检测并修复目标跟踪预测中的常见错误。     

光电跟踪系统前馈速度求解方法

针对脱靶量滞后引起系统误差导致光电跟踪系统不能准确测距的问题,提出了加入前馈速度提高跟踪系统无差度的复合控制策略;以等效正弦和目标模拟航路为仿真模型,通过基于最小二乘的多项拟合算法对目标航迹实时预测以及跟踪微分器或差分低通滤波器求解目标前馈速度,对前馈速度求解算法进行了软件仿真,仿真结果表明：航迹误差与前馈速度误差均满足实际系统要求;将此算法应用于某型光电跟踪系统,在外场试验中对特定目标的稳定最大跟踪误差在0．4 m以内。     

基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪

针对交互式多模型粒子滤波算法（IMMPF）的精度不高,算法更新时间长,难以满足静电机动目标跟踪要求的问题,提出了一种新的基于模糊控制的交互式多模型粒子滤波算法（FIMMPF）。该算法先利用模糊控制方法实现实时调整交互式多模型算法中的转换概率矩阵,使与目标当前运动状态最接近的运动模型在混合产生这一采样时刻的初始状态向量里占有更大的比重。同时,为了提高基本粒子滤波算法的精度,减小算法更新时间,再利用中心差分扩展卡尔曼滤波算法产生基本粒子滤波的建议分布函数,实现对目标运动状态的更新。理论分析和仿真结果表明,所提出的算法能够以更高的定位精度,更小的计算量实现对静电机动目标的跟踪。     

基于空气动力学模型含雷达散射截面观测的联合目标跟踪识别

以地基被动警戒雷达为应用背景,主要监视低空突防来袭目标,利用地面上多个商业广播发射的无线电调频（FM）信号,提出基于空气动力学模型含雷达散射截面（RCS）观测的联合目标跟踪识别技术。该技术使用空气动力学模型来描述目标的平动和转动,并将分类器输出的具体参数传递给跟踪器,实现基于动力学模型的跟踪;同时将RCS包括在观测中,它既可提供主要的分类特征,又可根据跟踪器的输出来预测RCS值。跟踪与分类被紧密结合,充分发挥联合跟踪识别的优势,有效提高目标的跟踪性能和识别概率。运用FEKO电磁仿真软件,实时获得目标的RCS观测值,通过粒子滤波实现联合跟踪识别,搭建了基于FM信号的被动雷达目标跟踪识别仿真平台。仿真结果表明,交互式多模型正则化粒子滤波的跟踪精度和识别概率都要优于交互式多模型粒子滤波。     

基于部分可观察马尔可夫决策过程的多被动传感器组网协同反隐身探测任务规划

针对反隐身作战需求,提出多被动传感器组网协同战术。为提升反隐身探测效能,引入部分可观察马尔可夫决策过程（POMDP）理论,分析了POMDP任务规划要素,建立起多被动传感器组网协同反隐身探测任务规划POMDP模型。建立了多被动传感器协同控制系统结构,提出了基于无迹卡尔曼滤波（UKF）的信念状态更新方法和基于蒙特卡洛Rollout采样（MCRS）的Q值估计方法,并设计了CCSP基本策略。仿真结果表明,所建立的模型能够实现多被动传感器的高效管理调度,能够控制多被动传感器对隐身目标进行有效探测跟踪,即模型有效性得到了验证。     

基于径向基函数神经网络的光电系统自适应控制

针对光电跟踪系统对于跟踪目标的高精度需求,在硬件设计选型、装调适配完成后,通常需要伺服控制系统设计合理的算法以改善跟踪精度.为持续提高伺服控制系统的综合能力,首先分析跟踪精度的误差模型,通过理论推导以及典型数值计算仿真的方式,验证伺服控制器控制增益对于跟踪精度改善的重要性.在对比多型控制算法基础上,提出基于径向基函数神...