基于转换坐标卡尔曼滤波算法的雷达目标跟踪

在三维空间中推导了转换坐标卡尔曼滤波算法，得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值误差方差的表达式，用此算法进行了雷达目标跟踪仿真，取得了较好的跟踪效果。     

雷达机动目标跟踪的卡尔曼粒子滤波算法

为解决不敏粒子滤波算法对雷达机动目标跟踪实时性差和跟踪起始阶段收敛慢的问题,引入卡尔曼粒子滤波算法.通过坐标转换将实际的极坐标雷达观测数据转换为直角坐标数据,然后用线性最优的卡尔曼滤波器估计粒子状态先验概率密度,最后用非线性最优的粒子滤波器精确估计目标状态后验概率.仿真实验表明,与不敏粒子滤波相比,卡尔曼粒子滤波以牺牲较少精度(减少约6％)的代价,实现机动目标跟踪的实时性(约为前者的1/5),起始阶段收敛性更好.     

基于卡尔曼滤波器的运动目标跟踪算法

为了有效解决运动目标遮挡时目标信息容易丢失从而导致跟踪失败的问题,提出一种基于卡尔曼滤波器的运动目标跟踪算法。该算法首先利用高斯混合模型的背景差分法,结合空间邻域的相关性信息得到运动目标图像,然后通过建立帧间关系矩阵将跟踪情况分为5种状态分别进行处理,这5种状态是新目标出现、目标匹配、目标遮挡、目标分离和目标消失。采用卡尔曼滤波器预测目标参数,建立目标在下一帧中的预测信息。当运动目标相互遮挡时,在卡尔曼滤波器预测区域内采用交叉搜索法实现多个运动目标的精确匹配。通过多个视频序列测试,该算法能够获得良好的跟踪结果。     

利用多普勒滤波器对运动目标的跟踪

本文主要介绍了某雷达采用多普勒滤波器,在全相参体制下单脉冲雷达实现强杂波背景下的运动目标跟踪。     

米波雷达目标跟踪之分析

着重分析了米波雷达进行目标跟踪所普遍存在的一些问题,对跟踪滤波器性能与误差作了分析,指出观测的不确定性是导致跟踪发散的主要原因。最后给出了提高滤波预测精度的一些解决方法。     

卡尔曼跟踪滤波器的一种改进的运动模型

传统的卡尔曼跟踪滤波器都以匀速(cV)或匀加速(cA)运动作为目标运动模型,其模型固有的误差限制了跟踪精度的进一步提高。本文提出了一种保持目标推进力与速度方向成固定夹角的运动模型,在保持直线运动跟踪精度不变的条件下,使一般曲线运动跟踪精度向直线运动跟踪精度水平逼近。     

基于多基地雷达系统的机动目标跟踪算法

针对多基地雷达系统,提出一种基于目标距离和以及速度信息的快速卡尔曼滤波机动目标跟踪算法.将目标位置滤波和速度滤波结合,构成了机动目标滤波的完整形式,从而提高了跟踪精度,最后给出仿真实例并进行相关的讨论.结果表明该方法计算量小,收敛速度快,跟踪精度高,具有一定的实用价值.     

基于正规变换的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题，基于转换测量Kalman滤波器(CMKF)，应用正规变换方法对其进行解耦，经过理论推导，得到了变换的解析表达式。仿真结果表明了算法的有效性。     

目标跟踪的转换量测卡尔曼滤波算法性能分析

各种转换量测算法均是基于不同假设条件下对最优解的近似,不同的应用环境可能造成算法完全迥异的性能表现,因此有必要对各种不同的转换量测算法进行统一的分析和比较。文中讨论分析了几种典型的转换量测算法,并通过仿真分析比较了它们在不同环境下的跟踪性能,可信性和运算复杂度。最佳线性无偏估计算法的平均归一化估计误差平方约等于1,是最小均方误差意义下的理论最优估计,其跟踪性能最优。     

解耦的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题,基于转换测量Kalman滤波器(CMKF),应用正规变换,得到了解耦的CMKF算法,同时研究了CMKF和解耦CMKF算法的初值估计问题.仿真结果表明了解耦CMKF算法及其初值估计的有效性.     

基于Camshift与卡尔曼滤波算法的动态目标跟踪

提出了一种结合连续自适应均值漂移(Camshift)与卡尔曼(Kalman)滤波的目标跟踪算法,针对目标受干扰情况,对两种算法的跟踪结果进行线性的加权,从而得到目标的最终位置。实验结果显示,该方法具有良好的目标跟踪效果,且具有很强的稳健性。     

基于 IMM 的改进去偏转换测量目标跟踪算法

针对机动目标跟踪,提出一种基于交互式多模型的改进去偏转换测量卡尔曼滤波算法（IMM－MDCMKF）,该算法在多模型中使用了改进的去偏转换测量卡尔曼滤波算法（MDCMKF）。 MDCMKF 算法先通过引入状态估计值对转换误差协方差进行修正,有效地降低了测量噪声对此协方差的影响,然后将修正的转换误差协方差用于目标跟踪问题中的去偏转换测量卡尔曼滤波算法。最后进行的 Monte Carlo 仿真结果表明,所提算法跟踪精度优于 IMM－EKF算法和 IMM－DCMKF 算法。     

一种改进的机动目标跟踪算法研究

为了克服＂当前＂统计模型下的卡尔曼滤波算法在跟踪匀速目标时误差较大的缺陷,文章分析了造成此缺陷的原因,通过改进基于截断正态分布下的加速度方差模型,提高了对非机动目标的跟踪精度,仿真结果表明,该算法能够准确描述各种机动情况。     

视线坐标系带多普勒观测的雷达目标跟踪

雷达观测量与目标状态呈非线性关系,使目标跟踪成为非线性滤波问题,目标状态估计精度与跟踪滤波算法复杂度成了一对不可调和的矛盾。提出了在视线坐标系中建立观测方程,将笛卡尔坐标系中的目标运动方程转换到视线坐标系中,使得雷达观测量尤其是多普勒速度观测与目标状态呈线性关系,并推导得到了该坐标系下的卡尔曼滤波算法,比较了与标准卡尔曼滤波算法的不同。仿真结果表明,该算法不仅能改善跟踪滤波效果,还明显降低了算法复杂度,节省了运算时间。     

用雷达情报处理系统快速实现机动目标跟踪

如何快速实现对机动目标的自适应跟踪，是雷达情报处理系统中必须解决的问题之一，为提高滤波自适应能力，使之既能适应对机动目标跟踪宽带滤波，又能提高窄带平稳滤波时的精度，提出了对测量噪声方差和过程噪声方差进行调节的方法，并进行大量的仿真实验，确定了调整系数的函数关系。目前此算法已经广泛应用于雷达情报指挥自动化系统。