机动目标自适应跟踪算法研究

为了克服“当前”统计模型自适应跟踪算法（CAF）跟踪匀速运动目标误差较大和跟踪加速机动目标速度与加速度估计误差和动态时延较大的缺陷，通过分析研究CAF算法，采用截断正态分布表征目标的机动加速度特性，考虑风速和加速度估计均值的影响，对机动加速度与方差自适应关系修正，自适应补偿过程噪声协方差矩阵，提出了一种改进的机动目标自适应跟踪算法。理论分析与仿真结果表明，该算法能够准确描述目标的各种机动情况，具有良好的跟踪性能和实际应用价值。     

一种"全面"的自适应机动目标跟踪算法

基于截断正态概率密度模型建立修正的截断正态概率密度模型。利用该模型并结合速度估计自适应模型提出一种“全面”自适应机动目标跟踪算法(OAF)．此算法能够避免机动加速度最大值的预先设定，自适应调节目标跟踪算法中的机动频率。进一步运用神经网络方法，将机动频率与过程噪声方差进行融合，通过在线调节神经网络权值获得融合后的系统方差输出，降低现有算法因系统参数调整不当带来的精度损失。理论分析及仿真结果表明，与单纯的速度自适应模型算法相比，该算法跟踪机动目标和非机动目标时精度分别提高49. 61%和48.34%．     

基于模糊推理的自适应交互多模型目标跟踪算法

提出了一种模糊自适应IMM算法（FAIMM），通过模糊逻辑，根据加速度估计值，自适应地摒弃概率较小的模型，仅选取整个模型集合中最能反映目标“当前”机动的一个模型子集进行运算，从而减少了模型数目；同时采用模糊方法计算模型概率，从而降低了算法的计算量；进一步，通过二级模糊推理，根据模型参考加速度ui的大小自适应地选择适当的最大机动加速度amax和a-max,使系统具有一定的方差调整能力，从而提高了跟踪精度。仿真结果表明，较之于标准IMM算法．FAIMM算法在机动目标跟踪精度、跟踪的平稳性以及收敛速度等方面都有所改善。     

双机协同纯方位目标跟踪研究

根据双机被动传感器接收到的空中目标俯仰角和方位角，利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了双机协同对目标作纯方位跟踪的数学模型，在对EKF，UKF，PF几种代表性的非线性滤波算法进行理论分析、仿真比较的基础上，得出EKF更适合应用于双机协同纯方位目标跟踪的结论。采用EKF对四个场景进行Monte—Carlo仿真，结果表明：经过大约50S，距离误差曲线收敛于2．5km，速度误差曲线则逐渐收敛于零，该算法具有较好的稳定性和估计精度。对不同场景的仿真结果分析表明：双机分别作直线运动和蛇行机动的纯方位目标跟踪效果优于同时作直线运动，也优于同时作蛇行机动。     

方差模糊自适应卡尔曼滤波及其应用

卡尔曼滤波用于高机动目标跟踪随滤波时间的增大,滤波方差及增益对目标机动噪声的适应性差,滤波误差较大.文中研究了一种方差模糊自适应卡尔曼滤波技术,根据滤波新息幅值大小直接调解滤波方差,强化了滤波算法对目标机动噪声的适应能力.仿真结果表明,改进的算法稳定性高,精度得到明显改善,用于高机动目标跟踪拦截系统效果较好.     

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。     

机动频率自适应的机动目标模糊跟踪算法

分析了基于＂当前＂统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整＂当前＂统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明：该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于＂当前＂统计模型的跟踪算法.     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

多机动目标单站无源定位方法研究

文中分析研究了多机动目标跟踪定位的基本原理及其关键技术，提出了一种无源跟踪起始新算法及运动辐射源定位的基本滤波算法。仿真结果表明，基于到达方向和到达时间差信息对多机动目标进行单站无源定位与跟踪是可行的，文中给出的算法是正确有效的。     

基于"当前"统计模型的模糊自适应跟踪算法

基本的机动目标“当前”统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行很好的跟踪，但是在跟踪弱机动目标时却存在较大的误差。针对这一问题，新算法中引入一种非线性模糊隶属度函数来自适应地调整目标加速度上下限，并从理论上分析了新算法对于弱机动目标跟踪的有效性。通过计算机仿真验证了新算法相对于基本“当前”统计模型及其自适应跟踪算法的明显优势。     

一种基于CoSaMP 的双基地ISAR 稀疏孔径机动目标成像方法

针对双基地逆合成孔径雷达稀疏孔径条件下对机动目标成像会发生散焦的问题,通过建立包含旋转角加 速度与旋转初速度的比值γ 和双基地时变角度的符合目标回波特性的稀疏基,结合CoSaMP 算法对稀疏孔径信号进 行机动目标的求解成像,仿真验证了算法的有效性。     

一种基于TDOA时差法声被动定位算法研究

文中用TDOA测量,提出了一种定位机动目标的最大似然-卡尔曼滤波算法.首先根据高斯牛顿法推导出最大似然估计实现对固定目标的静态定位,然后根据目标机动模型把得到的连续的固定目标位置估计作为卡尔曼滤波的观测输入实现对目标的精确定位.仿真结果表明这种算法有较好的定位跟踪效果.     

基于H∞滤波的不同目标机动模型的跟踪特性研究

文中研究了五种常见的目标机动模型下H∞滤波用于机动目标跟踪的性能.在目标位置信息可测条件下针对机动目标进行了H∞跟踪滤波仿真计算,以速度估计均方差为指标,分析了不同目标机动模型的H∞跟踪滤波精度.结果表明,基于维纳模型的H∞滤波进行机动目标跟踪精度最高,采用常加速度模型或二阶马尔可夫模型也是一种合适的选择.     

一种用于仅有位置观测信息的机动目标跟踪滤波算法

在机动目标跟踪研究领域,"当前"统计模型自适应跟踪算法(ATS)在仅有位置观测信息的机动目标跟踪中具有一定应用价值。针对ATS算法中目标最大机动加速度为预设的常值,存在不能很好的适应各种机动情况的问题,对目标最大机动加速度进行实时自适应调整优化设计,使目标最大机动加速度以指数形式实时逼近加速度估值均值。改进后的滤波算法保持了原算法机动加速度的分布特性,提高了目标的跟踪精度。     

机动目标当前统计模型模糊自适应算法

针对当前统计模型常规算法跟踪机动目标的缺陷,提出了当前统计模型模糊自适应算法。该算法根据规范化的量测新息及其变化率并通过模糊推理实时选取机动频率,给出了加速度方差的新息幂函数调整方法,采用加速度估计值和预测值的偏差在线更新当前加速度均值。在此基础上,结合高斯隶属函数和强跟踪算法对其权值予以修正。当前统计模型模糊自适应算法不受机动频率人为给定和最大加速度极值设置的限制,适用于不同范围和程度的机动。利用当前统计模型模糊自适应算法对阶跃机动、圆周机动、Jerk机动3种典型机动场景进行了计算机仿真,并与当前统计模型常规跟踪算法和Jerk模型自适应算法进行了比较。仿真结果表明,该算法扩大了跟踪范围,具有较好的稳态特性和瞬态特性,其跟踪精度和收敛速度优于其他两种算法。     

被动声探测系统机动当前模型的卡尔曼滤波跟踪算法研究

采用机动“当前”模型对被动声探测目标进行了建模，并提出了采用Kalman滤波算法作为目标跟踪的主要算法，给出了仿真算法的详细设计流程。从仿真分析可以看出，采用机动当前模型的Kalman滤波算法可以有效地满足声探测系统的跟踪要求。     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化，引入了机动目标的“当前”统计模型，提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明，能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况，提高了跟踪的准确性和稳定性．     

基于SNVA的机动目标状态估计

利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进; 利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1 m/s,加速度估计的绝对误差小于0.1 m/s²,能够对机动目标的状态进行准确的估计。     

角探测序列机动检测在目标跟踪中的应用

综述了经典的机动目标跟踪算法,归纳了各算法的特点及相互关系,在此基础上结合目标的机动特点,提出了在极坐标下进行机动检测的前置环节,并对极坐标下机动检测与多模型算法的结合进行了探讨。     

一种提高雷达导引头对机动目标跟踪性能的自适应滤波算法

为了提高地空拦截弹雷达导引头对机动目标状态估计的精度,在增加系统观测量的基础上,提出了一种针对机动目标跟踪的自适应滤波算法。利用量测残差统计值估计目标的机动状态,自适应的调整状态方程机动频率和加速度极限值;同时利用观测噪声统计估值器,调整观测值方差大小。仿真试验结果表明该算法具有良好的机动目标跟踪性能,并能自适应变化较大的观测噪声。