地心坐标系下基于UCUT-IMM的机动目标跟踪算法

针对远距离杂波环境下弹载雷达NED坐标系跟踪机动目标精度差的问题,提出一种ECEF(地心坐标系)下基于无偏UCUT-IMM的机动目标跟踪算法。该方法首先利用无偏转换把弹载雷达极坐标量测值转换到NED坐标系下的量测值,然后通过坐标旋转得到ECEF坐标系下的量测值,在ECEF坐标系下跟踪滤波,避免了远距离NED坐标系下跟踪滤波受地球曲率的影响,同时为了减少坐标非线性转换旋转所带来的误差,利用UT(不敏变换)计算出地心坐标系下的量测协方差,在此基础上采用IMM(交互多模型)算法来进一步提高目标机动时的跟踪精度。仿真结果表明,与NED坐标系下的跟踪滤波相比,该算法具有更好的跟踪精度。     

面向天基光学监视的空间目标 TLE拟合与跟踪方法

 针对天基光学监视特点和需求对TLE拟合方法进行改进,使其适于仅测角被动跟踪定轨应用.在采样拟合方法基础上,提出基于测角资料的TLE非线性最小二乘拟合方法;将TLE单点拟合方法与SGP4模型嵌入跟踪滤波过程,在混合坐标系中采用Sigma点卡尔曼滤波方法提高滤波稳定性.仿真结果表明,本文方法在获取非合作空间目标TLE的同时可实现摄动条件下天基光学被动跟踪.     

机动目标跟踪的IMM无迹信息滤波方法

针对非线性观测条件下的机动目标跟踪误差较大的问题,提出了一种交互式多模型(IMM)和无迹信息滤波(UIF)法对目标进行跟踪。利用无迹变换(UT)和信息滤波(IF)避免了非线性估计问题下的线性化误差和对雅可比矩阵的直接求取,并通过分析模型集合下不同模型的概率变化情况,实现了对目标运动的状态估计。仿真结果表明,与IMM 扩展卡尔曼滤波(EKF)相比,该文提出的IMM UIF目标跟踪法提高了估计精度,较好地完成了对目标的跟踪。     

自调整分层卡尔曼粒子滤波的快速目标跟踪

分层卡尔曼粒子滤波成功应用于目标跟踪,但其只对目标位置进行了优化,忽略了其他仿射参数,导致跟踪中的粒子数目仍然很大。为了实现复杂环境下的快速目标跟踪,提出一种带有自调整策略的分层卡尔曼粒子滤波方法。该方法将目标划分为线性和非线性状态空间,并通过少量粒子的迭代过程在非线性状态空间逐步搜索最优状态。其详细过程如下:首先,利用卡尔曼滤波预测目标位置,结合目标运动信息计算潜在目标区域;然后在该区域内生成一组随机粒子,通过在线姿态估计对粒子状态进行调整,并将观测结果与目标模板进行比较,修正粒子摄动的方向以逼近目标。把该方法应用于大机动目标的视频序列中,并与现有的跟踪方法进行了对比。结果表明,所提方法能够以少量粒子实现准确、稳定的目标跟踪,大大降低了跟踪算法的运算量,提高了跟踪效果。     

基于卡曼滤波与均值偏移算法的目标跟踪

针对变化场景下的目标鲁棒跟踪,提出了一种结合均值漂移与Kalman滤波的跟踪算法.利用YCbCr特征空间进行目标描述,使用Kalman滤波对目标运动速度和空间位置进行预测.根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置,并利用一种比较科学的模型更新策略,减轻了模型漂移的影响,视频序列跟踪结果表明,提出的方法能够稳定地进行跟踪.     

基于改进粒子滤波和自适应融合的目标跟踪

针对复杂环境下视频目标跟踪精确度低的问题,提 出了一种基于混合迭代无迹粒子滤波(HI-UPF)和关联系数自 适应融合的目标跟踪算法。首先采用统计线性回归的方法对无迹变换进行优化,提出了HI- UPF,不 仅提升了滤波精度,而且有效降低了算法的时间消耗;其次基于关联系数,采用一种自适应 融合方法,实现了加性 融合和乘性融合的自适应切换,并根据关联系数提出一种改进的自适应加性融合方法。仿真 实验表明,本文方法对 于复杂条件下的目标跟踪具有较高的精度和较强的鲁棒性。     

红外搜索跟踪系统中跟踪门算法研究

分析了多目标跟踪过程中预测误差的来源、分布及传递关系,计算出目标的测量误差和本机的速度测量误差在坐标转换后的偏差,并根据目标的机动特性建立了相应的机动加速度模型。讨论了如何在保证正确判定概率PCD条件下选取尽可能小的跟踪门体积,给出了跟踪门的设计,并说明了系统扫描方式对跟踪门设计的影响。还建立了目标的状态方程和测量方程,运用标准Kalman滤波,实现了机载IRST系统的多目标跟踪,并对仿真结果进行了分析。     

一种修正的α-β-γ滤波

在高动态低仰角目标跟踪的雷达系统中,其信号处理的动态跟踪环路需要对径向测量参数R及径向速度R进行滤波估值及预测。由于低空平飞目标在球坐标系下的坐标参数R和R的伪加速度很大,使直接应用线性递推滤波变得困难。然而当存在目标匀速度的验前估值v时,就可以用它给出预测方程的高阶修正因子。加入这个修正因子以后,在球坐标系下直接进行线性递推滤波得以实现。     

水下目标的多速率交互多模型跟踪算法

为解决水下机动目标精密跟踪定位的实时性和可靠性问题,根据水下目标运动速度慢、机动性能弱的特点,该文利用小波变换技术实现了模式空间与测量空间的混合滤波,建立了水下机动目标多速率交互多模型跟踪定位算法,给出了多速率常速度和常加速度多模型滤波算法的统一表示形式。仿真试验的结果表明水下目标的多速率交互多模型跟踪算法具有较低的计算复杂度,能够改善水下目标跟踪的可靠性和实时性。     

基于多模粒子滤波的机动弱目标检测前跟踪

检测前跟踪技术是低信噪比环境下目标检测与跟踪的有效方法。该文针对目标作复杂运动的情况,提出了机动弱目标检测前跟踪的多模粒子滤波算法。该算法在目标状态矢量中增加了表示目标存在与否以及目标运动模型的变量,采用粒子滤波实现了包含两个离散变量的混合滤波过程。仿真试验表明,该算法在经典跟踪方法难以发挥作用的低信噪比条件下,能够有效实现机动目标的检测与跟踪。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

一种改进的单站无源定位与跟踪算法

无源定位与跟踪技术有着广阔的应用前景。对于机动干扰源单站无源定位与跟踪，直角坐标系下一阶卡尔曼滤波算法容易发散，二阶卡尔曼滤波算法运算量大。针对这一不足，本文提出了在极坐标下建立状态方程和观测方程的卡尔曼滤波进行干扰源单站无源定位与跟踪。仿真实验结果表明了该算法的有效性。     

可处理多普勒量测的最佳线性无偏估计算法

基于目标位置量测的一些量测转换方法已被广泛使用在目标跟踪应用中,使得卡尔曼滤波器得以在直角坐标系中应用。但是,这些量测转换方法有一些会导致估计性能恶化的根本缺陷。事实上,除了位置量测外,理论计算和实践已经证明,包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力。该文在直角坐标系下提出一种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器。从理论上讲,它是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过将近似处理后的新型最优线性滤波器与目前4种流行的方法进行仿真比较,验证了所提出的滤波器的优越性。     

基于模糊聚类和粒子滤波目标跟踪算法研究

针对非线性的目标跟踪采用了基于模糊聚类和粒子滤波的混合跟踪算法,取得了优于卡尔曼滤波跟踪的良好效果.首先利用模糊C均值聚类算法对采集的数据进行基于目标的隶属度的分类,然后利用粒子滤波算法对目标进行位置估计.仿真结果表明:非线性视频跟踪中混合算法对目标的跟踪效果要好于卡尔曼滤波算法,降低了跟踪误差.     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。     

红外多目标跟踪算法研究

介绍了红外搜索跟踪系统中多目标跟踪与航迹生成算法，采用极坐标数据进行数据的关联和滤波，采用基于逻辑的最近邻原则并结合目标的红外辐射特性进行航迹关联，实现多目标跟踪起始和终结。     

不同坐标系下中段弹道目标跟踪算法研究

弹道目标跟踪比较复杂,文中结合具体的坐标系推导滤波算法中各方程的解析表达式,并分析比较坐标系的影响,对工程应用有重要的意义。以"二体运动"方程为基础,通过坐标变换、二次求导等方法推导了球坐标系下的目标加速度。针对混合坐标系和球坐标系,给出了中段弹道目标的动力学方程和量测方程,并对采用扩展卡尔曼滤波所需要的关键函数给出了显式表达。对两种坐标系下的弹道目标跟踪进行了蒙特卡洛仿真,仿真结果表明按照本文推导的公式,2种坐标系下都能有效跟踪;但与直观的猜测相反-混合坐标系下的跟踪优于球坐标系下的跟踪。     

仅有角度量测的红外机动目标跟踪

针对红外机动目标跟踪仅有角度量测的特点,引入了基于修正球坐标系的扩展Kalman 滤波器,并对目标状态模型及其线性化方程进行了推导,建立了扩展Kalman 滤波方程 组。     

采用时空上下文的抗遮挡实时目标跟踪

针对目标跟踪算法在光照变化、背景干扰、目标形变及遮挡时出现的跟踪稳定性下降甚至失败的问题，提出了一种采用时空上下文的抗遮挡实时目标跟踪算法。首先，在时空上下文模型框架下采用自适应降维的颜色特征构建目标外观模型，提高算法在复杂场景中对目标的辨别能力；然后，联合置信图响应的峰值和峰值旁瓣比对目标跟踪的状态进行评估；接着，利用目标模板之间相关系数的变化进一步判断目标是否被严重遮挡；最后，当目标跟踪出现波动时，降低目标模型更新速度，并通过Kalman滤波修正目标位置，当目标被严重遮挡时，则根据Kalman滤波预测目标位置，同时停止更新目标模型，在脱离遮挡后重新捕获目标并进行跟踪。选取了36组具有多种挑战因素的彩色视频序列测试算法的跟踪性能，并与其他表现优异的目标跟踪算法进行了对比分析。实验结果表明，所提算法具有较强的抗遮挡能力，并且在光照变化、背景干扰和目标形变等不利因素影响下仍具有较好的跟踪鲁棒性，同时能够满足目标跟踪的实时性要求。     

雷达群组网中几种目标跟踪滤波器的比较

在雷达群组网目标跟踪中,目标量测在雷达各自的坐标系下,而目标跟踪却在公共坐标系下,针对这种混合坐标系下异地雷达目标跟踪问题,通常解决这类跟踪问题的滤波算法有CMKF法和EKF法.文中从测量误差模型出发,给出了适用于群组网目标跟踪算法的推导过程,并且通过仿真实验和分析,比较了几种算法的优缺点并给出了结论.