地面目标跟踪算法研究

本文重点研究地面运动目标跟踪中利用道路约束提高单目标状态估计精度的方法。按照在Kalman滤波过程中作用的对象,将其归结为三类,即利用道路约束进行量测预处理、模型修正、状态估计处理。首先对这三类方法的原理进行了介绍,给出各自的应用条件。然后将各种方法进行可能的组合,从状态估计精度和计算时间复杂度方面做出了分析。仿真实验将这些方法进行比较,结果表明各种利用道路约束的方法都不同程度地改善了估计性能,且合理的组合可以更有效地利用道路约束,从不同的层面共同提高估计精度。对于各种算法时间复杂度的定量分析,也便于实际应用时对算法的选择。     

仅有角度测量信息的多传感器融合跟踪算法

仅有角度量测值的多传感器系统对目标的跟踪方法有其困难之处,但它具有较广泛的应用背景。该文以不同载体上的两部传感器为例较系统地分析了这种情况下的关联跟踪和融合滤波方法。对于无干扰信号的情况,提出了传感器的可用性矩阵,并给出了确定该矩阵的方法,建立了相应的融合估计方程;对于密集干扰信号的情况给出了融合跟踪门的建立方法和概率数据关联滤波(PDAF)算法,并对相应算法进行了仿真验证。     

基于红外压缩成像的点目标跟踪方法研究

目前压缩测量的应用研究主要集中在重构图像方面,但是很多应用中最终目的是检测和跟踪。直接基于压缩测量的检测和跟踪问题尚未解决。该文首次建立一种压缩域到空间域的映射模型,并提出一种无需重构任何图像且直接从低维压缩测量中经解码进行目标跟踪的方法,并分析其应用于天基红外探测的可能性。该方法利用Hadamard测量矩阵构建红外压缩成像系统,采用自适应压缩背景差分法从低维压缩测量信息中分离背景和前景,再从压缩前景信息中解码目标空间位置,并结合数据关联和Kalman滤波算法解决了杂波环境下点目标跟踪问题。理论分析和仿真实验结果表明,该方法能利用少量压缩测量实现目标跟踪任务,并减小探测器规格及相关算法的计算复杂度和存储代价。     

基于强跟踪滤波的传感器目标跟踪算法

为了提高运动目标的跟踪精度,提出一种基于强跟踪滤波的传感器目标跟踪算法.首先通过传感器节点测量目标的状态值,并通过融合中心对信息进行融合,然后利用Cholesky分解技术变换成噪声独立的量化融合系统,并采用强跟踪滤波算法对目标状态进行估计,最后与其它目标跟踪算法进行对比实验.结果表明,本文算法不仅提高了目标跟踪的精度,而且具有更好的鲁棒性.     

基于数据关联快速算法的目标跟踪与仿真研究

针对利用传感器对密集目标进行跟踪中联合概率数据关联(JPDA)计算量大,出现计算组合爆炸而导致效率低下的问题,简要介绍了数据关联快速算法(FAFDA),建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型并进行了模拟战场实际目标的仿真试验,仿真结果表明该算法能很好的跟踪目标,其跟踪精度符合实际要求,计算量明显减小,提高了跟踪实时性.     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

基于神经网络分类的异类传感器目标关联算法

为解决雷达与高速动态平台上的红外传感器构成的融合系统中,系统误差估计、目标关联紧密耦合难于解决的问题,根据系统误差数值变化特性,该文提出了一种基于模式分类的系统误差补偿与目标关联联合处理的方法。该方法采用BP 神经网络进行分类,省略了系统误差补偿环节,简化了融合处理流程,对一定范围内变化的系统误差有较好的容限。实验结果表明,该方法用于文中涉及的两类传感器组成的数据融合系统中,能实现目标正确关联的平均概率大于86%。      

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。     

kalman滤波在CDMA／GPS数据融合混合定位算法中的应用

本文提出了在CDMA／GPS数据融合混合定位算法中，采用基于Kalman滤波的定位算法，根据试验的实际运动情况，进行了仿真和分析，证明Kalman滤波在提高定位精度方面的有效性。     

基于模糊相似度的地面目标跟踪算法研究

研究了基于Dempster-Shafer证据理论和模糊相似度的地面运动目标识别与跟踪问题。应用Dempster-Shafer证据理论对地面运动目标进行身份识别,用目标的类型、速度和数量等属性构造目标的模糊相似度,利用模糊相似度作为目标跟踪的主要依据。详细地分析了地理信息,提出了基于证据推理的地面运动目标识别与跟踪算法,并且用α-β滤波器更新目标位置和速度。经过实际外场试验运行表明,该算法是有效的。     

基于交互多模型的低空目标跟踪算法研究

研究了基于交互多模型(IMM)的低空目标跟踪问题。分析了低空目标的运动特征,给出了目标匀速(CV)直线、匀加速(CA)直线、曲线飞行航迹模型。在交互多模型(IMM)算法中,采用多种运动模型跟踪低空目标。在所研究的大机动模型情况下,通过多次数据处理优化参数后,统计分析结果表明,该算法滤波后数据误差明显降低,数据精度有较大的提高,能够稳定精确地跟踪低空目标。因此,该低空目标跟踪算法是有效的。     

一种基于道路约束的变结构多模型跟踪算法

有效使用道路信息能显著提高地面运动目标跟踪性能。针对复杂道路网运动目标跟踪,给出了一种道路约束下的滤波和建模方法。首先描述了道路网的数学模型和道路约束条件下的过程噪声修正方法,根据道路约束最大后验概率估计准则给出了一种路段切换时状态和协方差修正公式;接着提出一种根据目标当前所处路段自适应滤波模型生成的变结构多模型(VSMM)方法,有效减小道路运动目标的模型动态误差,提高跟踪性能。仿真结果证明了该算法的优越性能。     

一种用于低空目标探测与跟踪的新方法

低空目标的探测与跟踪是雷达所面临的四大难题之一。本文以高距离分辨率技术为基础，通过理论分析和仿真，寻找一种解决低空目标探测与跟踪的新途径。这是解决低角跟踪的一种新尝试，具有显著的军事效益。     

杂波环境下多被动传感器单目标跟踪算法

由于被动传感器只能获得目标的角度量测,因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难。针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题,提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法。该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪。首先利用目标航迹的预测信息,针对每个传感器建立确认跟踪门;在获得候选关联组合后,直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度,通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航迹的关联。仿真实验表明,该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题。     

编队目标跟踪的自适应相关波门算法

为解决空中编队目标跟踪过程中航迹关联的难题,提出一种基于目标运动状态的自适应相关波门算法。首先通过分析编队目标的运动特征,完成编队分割和编队速度的估计;然后将编队目标的速度方向作为约束自适应波门的条件,在跟踪过程中根据目标运动方向确定波门方向,并基于前一时刻编队中各目标的距离来选择波门尺寸,同时考虑测量误差和预测误差的影响。仿真结果表明：相对于传统的固定波门算法,在编队目标跟踪过程中,自适应波门算法在避免编队内目标航迹相互交错和保证跟踪稳定性方面可以达到较好的跟踪效果。     

基于YUV颜色空间特征的目标跟踪融合算法

针对遮挡、背景变化等对目标跟踪带来的困难,提出了一种基于YUV颜色空间特征的目标跟踪融合算法.该算法结合卡尔曼滤波和mean-shift算法的优点,并结合一种阈值函数,准确计算目标的最终位置,解决了遮挡、背景变化造成的目标跟丢现象,提高了目标跟踪算法的鲁棒性和准确性.通过实验验证了新方法的有效性和准确性.     

空地目标探测中的自适应抗差UKF应用研究

机载雷达在进行空面目标探测时回波会受到强度不同的地面杂波影响,导致角度测量常常出现异常偏差,在实际应用中,其量测误差难以用一个准确的测量协方差矩阵来描述,降低了滤波效果。此外, 考虑到直角坐标系下的雷达探测属于非线性观测,文中在传统线性抗差滤波模型的基础上,提出了一种改进的自适应抗差UKF算法,以解决非线性抗差滤波问题,同时,研究了当目标发生机动时的抗差滤波工程应用问题,提出了一种合理的抗差权系数设置方法,使滤波器在具备抗差滤波的同时仍然维持对机动目标的滤波效果。实验仿真表明,通过比较不同条件下各滤波器性能,证明了该算法的有效性。     

改进的Camshift与Kalman融合的目标跟踪算法

Camshift算法主要利用物体的颜色信息进行跟踪,在复杂背景条件下容易造成目标的跟丢,且在目标被遮挡时,也容易造成跟踪失效。本文提出了一种改进的Camshift目标跟踪算法。首先将目标图像的HSV模型的三个分量进行加权建立一种新的目标颜色模型,然后由对整帧图像计算反向投影改为比搜索窗口稍大的区域计算反向投影,减少了相似背景的干扰。同时为了解决遮挡问题,结合了Kalman滤波器,有效地预测了目标的位置。实验表明,本算法能够避免背景颜色干扰和解决遮挡问题,实现了对运动目标准确跟踪。     

快速机动目标跟踪算法研究

根据空间目标作匀速转向运动的特点,提出了一种基于航向变化的目标加速度实时估计方法,在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪。仿真结果表明,这种新的加速度估计方法不仅能检测出目标机动开始和终止时刻,而且还能估计出快速机动目标的加速度大小,与扩展卡尔曼滤波器相比,采样卡尔曼滤波器具有更好的跟踪精度。