一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

多普勒盲区条件下的交互式多模型粒子滤波算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹暂消和重起批甚至断批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于交互式多模型的盲区粒子滤波(Interacting Multiple Model-Blind Doppler Particle Filtering, IMM-BDPF)算法。该算法将多普勒盲区的先验信息并入到IMM-PF中,在模型集中的每个运动模型上分别完成盲区粒子滤波,再进行交互式处理,得到盲区内的目标状态估计值。仿真结果表明该算法对盲区内做机动的目标具有较高的状态估计精度,解决了多普勒盲区条件下的机动目标连续跟踪问题。     

一种多普勒盲区下的航迹片段关联方法

在多目标跟踪过程中,机载预警雷达固有的多普勒盲区容易引起目标航迹中断和重起批,形成大量航迹片段,从而增加雷达情报分析的难度。基于此,提出了一种改进的多普勒盲区下的航迹片段关联方法。在传统基于二维分配的关联方法基础上,将多普勒盲区和目标类别信息并入到航迹片段关联的各个环节。预处理阶段采用盲区滤波算法对“老”航迹进行预测,粗关联阶段增加径向速度作为关联信息,二维分配阶段,利用目标类别信息修正分配代价函数。仿真结果表明：在复杂多目标环境且存在多普勒盲区的条件下,该方法航迹中断数较传统方法有明显下降,航迹寿命有明显提升。     

一种复杂环境下的多假设分支跟踪方法

在雷达环境杂波强、目标运动特性复杂、需要同时跟踪多批目标的情况下,目标跟踪过程中容易因关联错误造成跟踪错误。本文提出的多假设航迹跟踪方法在目标的机动特性不明时,建立航迹的多个假设航迹,对假设航迹进行隐形跟踪。该方法中航迹具有父、子、孙三类分支属性之一,其中父航迹为原始航迹,子航迹是在父航迹基础上建立的假设航迹,孙航迹是在子航迹基础上建立的假设航迹。通过父、子、孙三类分支航迹之间的继承和替代,可以同时跟踪丢点、密集杂波区、机动状态不明的多批目标,降低航迹关联错误的概率,实现对目标的稳定跟踪。     

基于雷达测量的多目标联合检测、跟踪与分类方法

利用雷达测量中的目标速度、加速度等属性信息, 基于跳转马尔科夫系统模型高斯混合概率假设密度滤波算法, 提出了一种多目标联合检测、跟踪与分类方法.该方法在进行雷达多目标测量信息处理的多模型混合高斯概率假设密度滤波过程中, 对各高斯项编号, 进行航迹提取, 在滤波处理的同时形成带有航迹编号的明确航迹, 并进行航迹管理; 同时, 根据目标运动模型, 联合利用目标加速度控制输入与速度估计进行多目标分类.仿真试验验证了该方法能够在检测、跟踪的同时, 对目标航迹进行有效类型识别.     

基于历史运动特征约束和SVM频谱分类的被动声呐目标关联跟踪方法

针对航迹交叉条件下被动声呐目标跟踪困难的问题,该文将现有运动特征关联方法和信号特征辅助关联方法进行改进融合,提出一种基于历史运动特征约束和支持向量机(His-SVM)频谱分类的被动声呐目标关联跟踪方法。首先,利用目标的历史航迹点提取历史方位变化率,作为重合条件下点航迹关联的主要特征;其次,将方位靠近目标的点迹关联问题转化为点迹频谱的分类问题,利用目标航迹点频谱训练的SVM模型完成待关联点迹频谱的分类,根据分类结果实现方位靠近目标的点航迹关联;最后,将两种方法有机融合,构建了被动声呐交叉重合目标关联跟踪的算法框架。仿真实验结果表明,该算法能够有效完成靠近目标的点迹分类和交叉重合目标的关联跟踪,其跟踪性能优于传统运动特征关联跟踪算法。     

多普勒盲区条件下空地预警雷达多目标协同跟踪方法

针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型（IMM,Interacting Multiple Models）、联合概率数据互联（JPDA,Joint Probability Data Association）和分布式不敏卡尔曼滤波（UKF,Unscented Kalman Filter）提出了预警机雷达与地基雷达对目标进行协同跟踪的方法。该方法利用目标的状态估计和预测实时计算每部雷达的动态融合权值,预测目标的多普勒频率。当预警机雷达对目标的量测不存在且检测到目标进入预警机雷达多普勒盲区时,由预警机雷达对目标状态进行外推,以此产生虚拟量测,用虚拟量测与地基雷达协同跟踪对目标的融合估计状态进行更新;若预警机雷达对目标的量测不存在且目标不是进入多普勒盲区时, 由地基雷达单独对目标的融合估计状态进行更新。当目标飞出预警机雷达多普勒盲区后,将预警机雷达对目标的状态估计再次与地基雷达进行关联,并根据动态权值融合更新目标状态。仿真结果表明,该方法能够改善多普勒盲区内多目标航迹的连续性和跟踪精度。     

基于最大置信度的多目标检测算法

针对混合运动模式下目标数量及目标运动速度范围等多项先验信息缺乏状况下的复杂航迹起始问题,提出一种基于最大置信度的多目标检测算法。该算法借鉴动态规划技术中的能量积累思想,并充分利用了传感器信号强度信息。在粗起始阶段利用扩展搜索算法生成候选航迹,并利用模型粗匹配的方法将候选航迹大致分为直线运动及曲线运动两种类型。在航迹确认阶段,采用基于信号强度信息的概率多假设跟踪算法,通过计算最优状态估计值获得量测点属于某一目标的最大置信度,并依据最大置信度确认目标量测。仿真实验结果表明,该方法实时性强,不仅能对多目标航迹准确起始,也可以有效避免概率多假设跟踪算法由于初值质量差而导致的错误跟踪现象。      

运动红外单站跟踪空中目标的方向估计方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息.运动红外探测器所测量的运动目标不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪.针对这一问题,提出了运动红外单站跟踪运动目标的参数航迹滤波方法:该方法利用传感器测量到的目标方位角和俯仰角信患,根据假设的目标运动模型,直接对目标航迹方向进行...     

基于目标运动特征的虚假航迹滤除算法研究

针对无源交叉定位在同型多目标场景下存在虚假航迹的问题,提出了一种双平台基于目标运动特征的虚假航迹滤除算法.该算法采用静态与动态相结合的处理架构,首先,通过静态滤除准则消除错误关联产生的虚假点,减小运算量;然后,对候选关联进行持续跟踪,利用目标的运动参数动态滤除虚假航迹.仿真结果表明,该方法能够在多目标运动场景下有效滤除...     

角度信息辅助的集中式多传感器多假设跟踪算法

对于密集杂波环境中的多目标跟踪,传统集中式多传感器多假设跟踪(CMS-MHT)算法在每一时刻的航迹-量测关联假设数量大大增加,导致数据关联不确定性增大,以至很难由常规航迹得分给出正确关联,表现为高的漏情率以及航迹分裂现象。基于传感器测量误差较小时虚警与目标量测的空间分布特点,针对多个相同类型传感器进行目标跟踪,该文提出一种角度信息辅助的CMS-MHT算法,设计了新的角度信息辅助的航迹得分计算方法,可以降低航迹-量测关联的不确定性,从而得到比传统CMS-MHT更优的关联假设。仿真实验结果表明,在密集杂波环境中,该算法能有效降低漏情率,并有更好的航迹完整性。     

基于改进盖尔-沙普利算法的自动识别系统与双频地波雷达断裂航迹关联

高频地波雷达(HFSWR)可以实现大范围海上船只目标的连续探测,但是海杂波等干扰因素的影响容易造成跟踪航迹的断裂。目前关于地波雷达航迹关联的研究中,通常忽略了航迹断裂的情况,将航迹关联视为二分图匹配问题,这会导致可能将单一目标的断裂航迹判断为多个目标,从而引起目标的误关联。针对上述情况,该文结合模糊综合评判和迭代搜索算法,首次将盖尔-沙普利(GS)算法引入航迹关联领域,并且对其进行改进以满足航迹断裂时的多对多航迹关联情况,提出了改进的盖尔-沙普利(IGS)算法。在该算法中,通过计算航迹之间的模糊综合评判值来得到航迹之间的倾向度序列,再由迭代搜索对航迹进行聚类以获得航迹集群,最后将航迹集群及倾向度序列输入盖尔-沙普利算法来进行数轮博弈以给出关联结果。利用双频率高频地波雷达和船只自动识别系统(AIS)的仿真数据与实测数据进行实验测试,实验结果表明：所提出的算法解决了在航迹断裂情况下的多传感器航迹关联问题,且在密集区域的航迹关联效果优于传统算法。     

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。     

基于PDA的群目标合并与分离方法研究

针对飞行编队形成的群目标航迹关联的特殊性,分析了照射质心的编队群目标成员合并与分离检验方法的优缺点,定义了群目标成员合并与分离检验涉及的3要素:位置、速度和航迹历史。在此基础上,提出了基于概率数据关联(PDA)的群目标成员合并与分离的检验方法。该方法利用群目标等效回波统计中心更新滤波器状态,将每一个雷达周期的量测与统计中心关联判别,从而减少了关联次数,提高了正确判别群目标成员合并与分离的概率。仿真结果证明了该方法的有效性。     

基于SIS框架和蚁群算法的非线性多目标跟踪

该文提出一种新的非线性多目标跟踪方法用蚁群算法实现数据关联和SIS(Sequential Importance Sampling)实现对单目标的跟踪。首先根据数据关联问题对蚁群算法进行修改,考虑目标运动中的约束条件对关联概率的影响,重新定义蚁群算法中的路径和路径长度,从而利用蚁群算法寻找最短路径的能力实现对数据关联。由于SIS框架是针对非线性系统的一种较好的状态估计方法,该文将其作为对单目标进行跟踪的框架,和蚁群算法共同解决非线性情况下的多目标跟踪问题。实验对一维平面和二维平面中的多个目标进行了仿真,结果表明,将蚁群算法应用于解决数据关联问题是行之有效的。     

基于航迹矢量检测的雷达与电子支援设施抗差关联算法

针对雷达与电子支援设施(ESM)存在系统误差、上报目标不完全一致等复杂场景下目标航迹关联问题,该文基于高斯随机矢量统计特性,提出一种基于航迹矢量检测的雷达与ESM航迹抗差关联算法。首先在修正极坐标系(MPC)下推导目标状态估计分解方程,采用真实状态对消的方法得到航迹矢量,为剔除大部分非同源目标航迹,构建方位角变化率-距离变化率与距离比(ITG)统计量进行粗关联,然后采用基于航迹矢量\begin{document}${\chi ^2}$\end{document}检验的方法实现雷达与ESM的航迹关联。最后通过实验仿真验证了该文算法在不同系统误差、目标密度、检测概率等环境下的有效性。     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时，仅依靠运动学信息不足以实现可靠的数据关联，而基于动目标指示器（Moving Target Indicator，MTI）雷达和电子支援措施（Electronic Support Measurement，ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules，PCR5）置信度量的数据关联策略，将目标运动学信息和属性信息结合做多特征推理，解决异类传感器数据的不确定性和不一致性；利用Dempster-Shafer（DS）证据理论方法进行属性融合更新，完成属性信息在时间序列上的相干积累，实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进，通过引入属性信息提升数据关联的正确性，从而提升跟踪性能，实现多源异类信息下的协同跟踪。仿真表明，相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案，该方法可有效提升跟踪精度和关联性能。