基于两坐标雷达和红外传感器的融合目标跟踪算法

利用雷达和红外传感器的观测信息及目标运动的特征信息，改善系统对机动目标的跟踪性能；并在雷达无法主动开机的情况下，应用测向测时差定位法，处理机动目标的无源定位问题，在此基础上，应用数据融合技术进一步提高系统的定位与跟踪精度。     

一种红外与雷达信息融合跟踪算法及其性能分析

为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于IMM-UKF的雷达/红外分布式加权融合算法

在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。     

机动目标跟踪中自适应滤波算法的研究

文中对机动目标跟踪中的自适应滤波算法进行了研究,给出了一种适用于雷达导引头跟踪系统的修正的自适应卡尔曼滤波算法,通过全弹系统的数字仿真,对影响该算法滤波性能的各种因素进行了分析讨论.大量仿真结果表明该自适应滤波算法对于机动目标具有良好的跟踪性能和适应能力.     

雷达-红外异地配置下的数据融合算法

文中讨论了雷达和红外传感器异地配置情况下的数据融合算法.首先,讨论了雷达相对于红外传感器所在位置的转换测量和相应的测量误差获得方法;然后,对转换后的雷达测量数据和红外传感器的测量数据进行融合处理,从而可获得新的等效测量数据.最后,给出了算法的仿真分析.仿真结果表明新的融合算法能有效提高系统的状态估计精度.     

主被动雷达导引头数据融合目标跟踪算法

在主被动雷达导引头目标跟踪过程中,为了有效融合主被动雷达导引头探测的信息进行精确跟踪,文中提出了用BP神经网络将主被动雷达导引头探测的信息进行分类,并通过模糊系统根据目标的机动大小调节神经网络的学习速率以及根据目标距离的远近调节融合中心的权值.通过仿真试验表明,与传统的目标跟踪方法相比较,具有更好的跟踪效果,证明了该方法是可行的.     

一种提高雷达导引头对机动目标跟踪性能的自适应滤波算法

为了提高地空拦截弹雷达导引头对机动目标状态估计的精度,在增加系统观测量的基础上,提出了一种针对机动目标跟踪的自适应滤波算法。利用量测残差统计值估计目标的机动状态,自适应的调整状态方程机动频率和加速度极限值;同时利用观测噪声统计估值器,调整观测值方差大小。仿真试验结果表明该算法具有良好的机动目标跟踪性能,并能自适应变化较大的观测噪声。     

雷达-红外双模制导的神经网络数据融合算法

在雷达 红外双模制导体制下 ,对雷达和红外数据进行融合时存在雷达和红外数据不同步的问题 ,对红外数据先进行异步融合处理使其与雷达数据保持同步 ,然后提出了利用神经网络作为同步融合中心的方法 .雷达和红外数据共同作为神经网络的输入 ,输出为目标的最优融合估计 .这种方法可以在融合中心不知道协方差信息的情况下进行数据融合 .仿真结果表明该方法有效     

模糊自适应机动目标跟踪算法

提出了一种模糊自适应机动目标跟踪算法.该算法首先通过新息进行机动发生与否及强弱的判断,进而由模糊推理系统给出了过程噪声的自适应调整,并提出了通过测量获得测量噪声特性的方法,使得测量噪声方差能准确地反映测量仪器本身的性质和环境的影响.通过仿真实验验证了该算法在目标发生机动时,能自适应调整过程噪声,对机动目标有效地进行跟踪,相比传统的卡尔曼滤波具有更小的跟踪误差.     

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题，对滤波跟踪型数据融合进行了研究，提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法．从仿真结果可以看出，集中式融合算法和分布式融合算法的差别并不大，结果基本相同．因此，在非线性系统中，基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法．     

机动频率自适应的机动目标模糊跟踪算法

分析了基于＂当前＂统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整＂当前＂统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明：该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于＂当前＂统计模型的跟踪算法.     

基于HMM机动目标跟踪算法研究

在交互多模IMM的基础上,利用时变马尔可夫链切换系数对模型进行切换,实现对未知状态转移概率的自适应调节,提高了对机动目标的跟踪精度.仿真结果表明,改进后的IMM算法比IMM算法的跟踪精度更高,具有全面自适应跟踪能力.     

机动目标自适应跟踪算法研究

为了克服“当前”统计模型自适应跟踪算法（CAF）跟踪匀速运动目标误差较大和跟踪加速机动目标速度与加速度估计误差和动态时延较大的缺陷,通过分析研究CAF算法,采用截断正态分布表征目标的机动加速度特性,考虑风速和加速度估计均值的影响,对机动加速度与方差自适应关系修正,自适应补偿过程噪声协方差矩阵,提出了一种改进的机动目标自适应跟踪算法。理论分析与仿真结果表明,该算法能够准确描述目标的各种机动情况,具有良好的跟踪性能和实际应用价值。     

基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法

为解决机载脉冲多普勒（PD）雷达对机动弱目标进行检测与跟踪的问题,构造了一种基于抛物线随机Hough变换（RPHT）的检测前跟踪（TBD）算法。该算法通过模糊区间对目标的模糊量测进行距离多假设扩展,从而提取量测中的时空相关信息。利用RPHT方法将目标扩展量测转换到参数空间,并在参数空间对目标的机动航迹进行积累。在算法实现过程中,通过方位变换的方式对传统的RPHT方法进行了改进,以降低算法计算复杂度。该方法将机动弱目标解距离模糊问题转换为TBD框架下基于RPHT的航迹检测问题,避免了微弱目标的低信噪比造成的航迹漏检。仿真结果验证了该算法的有效性。     

地空反辐射导弹红外/被动微波复合导引头数据融合技术研究

数据融合技术是多模复合导引头的核心问题和关键技术。针对被动微波／红外复合导引头,通过分析武器系统对融合处理系统的要求,设计了数据融合处理的总体方案;提出了基于预测一观测差和预测一预测差的单导引头干扰判断和多导引头干扰判断方法;最后针对导弹攻击过程中的不同阶段设计了数据融合策略。结合实测数据的实验,验证了干扰判断和融合策略的有效性。     

一种机动目标调频步进雷达成像算法

针对低信噪比下机动目标的调频步进雷达成像问题,提出基于Radon-分数阶模糊函数(RFRAF)的方法进行积累成像的方法.在分析了机动目标的调频步进雷达回波信号特征的基础上,将目标回波信号在RFRAF域进行匹配和积累,通过峰值搜索出目标的运动参数,并构建补偿函数实现机动目标运动补偿,从而获得目标精确ISAR像.计算机仿真结果进一步表明了该方法能在低信噪比下稳健成像.