基于CA模型的转换坐标卡尔曼滤波

文中根据雷达对空间中的匀加速运动目标的跟踪要求．在三维空间中采用了转换坐标卡尔曼滤波算法（CMKFA），通过理论推导证明了当状态方程和测量方程满足一定条件时，转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法。在转换坐标卡尔曼滤波跟踪算法中．球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声，在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪．仿真结果显示．该算法收敛迅速，精度可以满足雷达对空间机动目标的跟踪要求。     

基于刚体弹道模型的防空火控解算方法

为改善火控系统的通用性和实时性,提出了基于刚体弹道模型的防空火控解算方法。对目标量测信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦,在对目标状态准确估计同时,降低滤波算法计算的复杂度;利用割弦迭代法计算出命中点坐标,并在每次迭代过程中,利用虚拟脱靶量对射击诸元进行修正,减少对弹道微分方程的计算次数,极大提高火控解算的求解速度。仿真实验结果表明,该方法有效和可行,可以更加精确地计算出射击诸元,且计算量相对于传统火控解算方法得到了显著改善。     

简易制导炸弹坐标转换的误差分析与修正

基于某简易制导炸弹工程的研制背景，以制导炸弹为研究对象，研究了制导炸弹在飞行过程中不同坐标系间的转换关系，分析了不同类型误差对坐标转换精度的影响，提出了一种基予目标点跟踪的坐标转换方法，该方法可对转换误差进行相应的修正，提高坐标转换的精度。仿真结果验证了该方法的正确性和可行性。     

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.     

基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法

为解决机载脉冲多普勒（PD）雷达对机动弱目标进行检测与跟踪的问题,构造了一种基于抛物线随机Hough变换（RPHT）的检测前跟踪（TBD）算法。该算法通过模糊区间对目标的模糊量测进行距离多假设扩展,从而提取量测中的时空相关信息。利用RPHT方法将目标扩展量测转换到参数空间,并在参数空间对目标的机动航迹进行积累。在算法实现过程中,通过方位变换的方式对传统的RPHT方法进行了改进,以降低算法计算复杂度。该方法将机动弱目标解距离模糊问题转换为TBD框架下基于RPHT的航迹检测问题,避免了微弱目标的低信噪比造成的航迹漏检。仿真结果验证了该算法的有效性。     

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题，对滤波跟踪型数据融合进行了研究，提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法．从仿真结果可以看出，集中式融合算法和分布式融合算法的差别并不大，结果基本相同．因此，在非线性系统中，基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法．     

制导炸弹中坐标转换的误差分析及修正

制导炸弹飞行距离短,发射点和目标点的经、纬、高坐标已知,为了得到高精度导航信息,必须严格控制坐标转换过程中的精度损失.分析了制导炸弹坐标转换模型中各坐标系之间的关系及转换精度,讨论了各种不同类型误差对整体转换精度的影响,将主要误差归结为3类,分别采取相应的措施进行修正,设计了一种直接对目标点位置进行跟踪的新坐标转换方法,并成功应用到半实物仿真中.仿真结果表明,该方法的理论模型及其修正措施能很好地修正误差,为炸弹高精度制导提供条件.     

基于OOSM-PF的微弱目标检测前跟踪

由于量测数据预处理以及通信延迟等因素的影响,集中式融合跟踪系统面临着无序量测的问题.针对低信噪比和无序量测情况下的微弱目标检测与跟踪,提出了一种基于无序量测和粒子滤波的检测前跟踪方法,然后将该方法的性能与顺序量测滤波方法以及丢弃无序量测方法的性能进行分析对比.仿真结果表明,该算法可以有效处理无序量测问题,实现对微弱目标的有效检测和跟踪,其目标跟踪精度接近顺序量测滤波的跟踪精度.     

RUV坐标系下再入段弹道目标跟踪研究

研究RUV坐标系下的再入段弹道目标跟踪算法,该算法利用RUV坐标系下量测线性的优点,可提高目标跟踪精度。针对再入弹道目标,以东北天坐标系下目标运动加速度为基础,通过坐标转换,推导雷达阵面坐标系下的运动加速度;在此基础上通过二次求导及坐标转换推导RUV坐标系下的运动加速度,给出RUV坐标系下独立的状态方程和量测方程,并对采用扩展卡尔曼滤波所需要的关键函数给出显式表达。蒙塔卡罗仿真不同情况下的RUV坐标系下的再入弹道目标跟踪,仿真结果表明,在RUV坐标系下的跟踪较混合坐标系下的跟踪,其精度有大幅提高。     

扩展卡尔曼滤波的目标跟踪优化算法

针对传统扩展卡尔曼滤波算法在多普勒量测目标跟踪情况下估计精度低的问题,提出了扩展卡尔曼滤波目标跟踪优化算法。该算法对传统的扩展卡尔曼滤波算法进行了改进,将仅考虑位置量测的扩展卡尔曼滤波算法推广到包含多普勒量测的算法以提高目标跟踪精度。仿真结果表明,该算法具有较小的均方根位置误差和均方根速度误差,可以很好地提高目标跟踪过程中的精度,可有效应用于机动目标跟踪场合。     

具有角速度测量的光电跟踪系统分析

采用球坐标位置测量的传统光电跟踪系统，在充分利用模型先验信息而不增加其它测量信息的前提下，很难进一步改善目标运动参数的估计性能。在传统光电跟踪系统基础上，引入俯仰和偏航两个角速度测量装置来提高跟踪系统性能的设计思想，尚未见文献报道。本文借鉴扩展卡尔曼滤波器(EKF)思想，建立了新的测量模型，并从理论上分析了跟踪偏差的渐进性质。对原有位置测量和附加角速度测量的序贯滤波处理保证了工程实现的可行性和实时性。仿真结果表明，附加角速度测量后，光电跟踪系统收敛速度加快，估计误差均方差减小，系统跟踪性能得到全面提升。     

考虑目标尺寸情况下的水面目标跟踪参数估计

采用平面坐标测量的水面目标跟踪系统,在现有的将目标视为质点的跟踪算法下,如不 增加其他先验信息,很难进一步改善目标运动参数的估计精度。基于工程应用,考虑水面舰船的尺 寸参数并将其建模为椭圆形目标,利用成熟的图像处理技术获取椭圆目标的尺寸参数。并提出一 种基于椭圆目标跟踪的非线性运动参数估计算法;同时从理论上分析了应用中不同目标尺寸参数 精度下目标运动参数估计的Cramer-Rao 下界(CRLB). 数字仿真分析和初步实测结果表明椭圆形 水面目标跟踪的工程可行性,且椭圆目标跟踪系统较传统质点目标跟踪系统收敛速度加快,运动参 数估计精度提高。     

A New Filtering Algorithm Utilizing Radial Velocity Measurement

Pulse Doppler radar measurements consist of range, azimuth, elevation and radial velocity. Most of the radar tracking algorithms in engineering only utilize position measurement. The extended Kalman filter with radial velocity measureneut is presented, then a new filtering algorithm utilizing radial velocity measurement is proposed to improve tracking results and the theoretical analysis is also given. Simulation results of the new algorithm, converted measurement Kalman filter, extended Kalman filter are compared. The effectiveness of the new algorithm is verified by simulation results.     

基于空气动力模型的助推-滑翔导弹跟踪

针对助推-滑翔式再入导弹,提出了一种基于空气动力模型的扩展卡尔曼跟踪算法.首先推导了弹体坐标系和东北天坐标系之间的转换关系,接着描述了两种坐标系下再入目标的空气动力模型,然后建立了目标的运动状态方程和量测方程,给出了扩展卡尔曼滤波过程,最后仿真分析了一条助推-滑翔弹道,并结合该弹道进行了跟踪试验.蒙特卡洛仿真结果表明,所述方法比基于未知输入模型的方法跟踪效果更好,且能有效估计目标的空气动力学系数.     

一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

舰船目标跟踪算法研究

针对海上舰船单目标机动的位置和速度跟踪问题,在极坐标系中建立数学模型,并对舰船目标的几种运动方式分别进行研究,提出机动辨识和实时跟踪的卡尔曼滤波算法。仿真结果标明,该算法对舰船在各种战术机动情况下都能实时跟踪,为攻击目标提供可靠信息。     

基于Frenet坐标系和控制延时补偿的智能车辆路径跟踪

对智能车辆路径跟踪问题中存在的控制延时问题进行研究。前轮转角表述为纯滞后和1阶惯性延时的串联结构模型,通过使用Matlab/Simulink建立转向控制延时模型,并对实车采集的转向控制数据进行分析,完成延时模型的参数辨识;基于V-REP和ROS搭建仿真测试平台,根据延时模型的辨识结果模拟转向响应特性,实现与实车转向特性等效的控制延时效果;基于Frenet坐标系和运动学、动力学模型构建不考虑控制延时和考虑控制延时的模型预测控制(MPC)路径跟踪控制器,使得控制器可以直接扩展到多车编队行驶场景;在V-REP仿真环境中设置以5 m/s、10 m/s、20 m/s车 速采集的变曲率参考路径,先针对无延时系统考察不考虑控制延时的MPC路径跟踪控制器,获得了平均跟踪误差低于0.22 m的控制效果,验证了不考虑控制延时的MPC控制器在处理无延时车辆系统路径跟踪问题的跟踪性能,再针对大延时车辆系统对比测试两种MPC控制器。试验结果表明：考虑控制延时的MPC控制器相比不考虑控制延时的MPC控制器取得了较大的效果提升,特别是在最大跟踪误差和航向误差指标上表现优异,平均跟踪误差降低了83.7%,最大跟踪误差降低了74.4%;对于高延时系统,低速工况下考虑延时的运动学MPC表现更好,而高速工况动力学MPC表现出了更加稳定的跟踪性能,20 m/s延时试验中仅考虑控制延时的动力学MPC控制器安全地跑完了全程。     

基于数据压缩的多传感器PHD滤波算法

针对多传感器多目标跟踪,提出一种基于数据压缩的多传感器概率假设密度(PHD)滤波算法,解决串行多传感器PHD(SMSPHD)滤波计算量过大的问题。算法首先利用数据压缩将多传感器量测数据转换成等效的单传感器量测数据,然后在此基础上进行PHD滤波。仿真结果表明,该算法可以实现对多目标的有效跟踪;此外,随传感器数目的增加,该算法增加的计算量约为SMSPHD滤波算法增加的4.3%。     

基于主/被动雷达双传感器的自适应跟踪融合算法

在主、被动雷达双传感器目标跟踪背景下，提出一种自适应数据融合算法。跟踪同一个目标的主、被动雷达观测数据由线性卡尔曼滤波器来处理，与主／被动雷达对应的两个跟踪器的输出数据被发送到一个中央节点，在这个节点中，包含了两个由在线跟踪信息构成的指标变量．将这些指标与设定的阈值进行对比．即通过二者的逻辑判断结果来选择用于得到整体评估的方法，其中对周值的选择决定了融合算法融合精度与计算量的平衡点。仿真结果表明，这种融合算法有很好的融合效果。