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。     

机动目标的IMM扩展卡尔曼滤波时间配准算法

针对目前研究的时间配准方法是在目标运动模型已知的情况下进行时间配准,难以保证目标在复杂机动情况下运动模型多变时的时间配准精度。提出了机动目标的交互多模型扩展卡尔曼滤波(IMM-EKF)时间配准算法,该算法将交互多模型中的每个运动模型分别进行扩展卡尔曼滤波输出同时根据滤波过程中得到的残差计算每个模型的概率,根据模型概率和各模型滤波输出得到时间配准周期内最后一个采样点的测量数据,利用该点的状态和模型概率进行外推就得到时间配准周期和传感器采样周期不成整数比时配准时刻的位置。通过仿真结果表明该算法能够有效降低整体的时间配准误差。该算法提高了时间配准的精度,为数据融合提供了良好的基础。     

基于IAUKF-JPDA算法的多目标跟踪

针对不同传感器融合跟踪精度低的问题,提出一种采用加权融合的改进自适应无迹卡尔曼滤波算法(IAUKF).针对不同传感器的融合处理中场景切换导致的传感器精度变化,对来源于不同传感器的数据设置不同的权重,引入Sage-Husa自适应思想,实时处理测量噪声的统计特性,利用联合概率数据关联(JPDA)来完成杂波的去除和量测-目标...