用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题，提出了一种修正极坐标系下的自适应卡尔曼滤波算法，对虚拟系统噪声进行估计，动态补偿模型线性化误差，对其滤波理论及算法进行了研究和仿真．仿真结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法．     

分布式传感器网络中基于条件后验克拉美-罗下界的被动声目标跟踪局部节点选择算法

针对分布式传感器网络下的被动声目标跟踪问题,提出了一种基于条件后验克拉美罗下界（Conditional Posterior Cramér-Rao Lower Bounds,CPCRLB）的局部传感器节点选择算法,基于被动声探测背景下的纯方位量测数据,采用粒子滤波器推导得到了CPCRLB的近似解析表达式,进而在该CPCRLB的基础上定义了节点效用贡献作为节点选择准则,结合分布式传感器网络的特点提出了一种局部节点选择方法,节点无需知道全网传感器节点的信息,而是仅利用局部节点信息来决定下一时刻节点的活动状态,从而在实现自治节点选择的同时大大减少网络通信量。通过仿真结果表明,该算法在跟踪精度、能量消耗和计算复杂度方面都表现出较好的性能。     

基于粒子滤波的目标跟踪算法浅析

所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。首先介绍粒子滤波中的两种重要算法:贝叶斯理论和蒙特卡罗方法,接着在此基础上详细阐述基于粒子滤波的目标跟踪算法。     

基于改进粒子滤波算法的水下目标跟踪

针对常规粒子滤波算法粒子数目保持不变的问题,提出了一种可以自适应调整粒子数目的改进算法。该算法将KL距离(Kullback-Leibler Divergence,KLD)引入粒子滤波重采样过程,保证在一定的滤波精度下,可以有效地调整滤波过程中使用的粒子数目,从而实现了滤波过程中粒子数目的自适应。将该算法应用于纯方位水下目标跟踪,仿真结果表明,该方法有效地改善了滤波效果,计算量低,适合于实际应用。     

基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.     

基于被动式传感器的目标跟踪算法研究

仅有角度量测的被动式单传感器跟踪搜索系统有广泛的应用前景,但现有的针对性跟踪算法并不能很好的处理实际问题,失跟现象常常发生。本文对现有算法所存在的问题进行了深入研究,并提出了相应的改进算法。通过对机动目标运动分析,总结出角度向量在时间域中的变化规律,通过引入新的计算向量,对原算法残差计算进行了修正。它对基于单个被动传感器的纯方位跟踪问题的处理提供了新的思路。仿真实验及实际应用已证明了该算法有效性。     

多传感器多目标粒子滤波算法

为了能够有效解决非线性、非高斯环境中多传感器多目标跟踪问题,提出了一种基于粒子滤波的多传感器联合概率数据互联粒子滤波算法(MJPDAP)。该算法应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合以形成等效量测点,并计算所有等效量测点的联合似然函数。在此基础上,结合联合概率数据互联(JPDA)的思想计算各个粒子权值,以获得最终的跟踪结果。仿真结果表明,与单传感器联合概率数据互联粒子滤波算法(SJPDAP)相比,该算法位置跟踪精度能提高20m左右。     

基于空间直方图的多目标粒子滤波跟踪

针对复杂场景中多目标跟踪问题,本文给出了目标的出现与消失、遮挡等模型描述,将其统一到粒子滤波的框架下,提出了一种可以处理目标数可变的多目标跟踪算法.对场景中的目标数建立马尔科夫模型,采用转移概率矩阵描述跟踪过程中目标出现,消失的情况;在状态表示中增加辅助变量,明确目标之间可能的遮挡;采用目标空间直方图建立基于唯一性原则的观测似然函数,通过后验概率分布估计目标数及目标状态.实验结果表明,本文算法能有效地处理跟踪过程中的目标数变化、目标遮挡等问题,实现多目标的正确跟踪.     

改进的粒子滤波目标跟踪算法

针对环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,提出一种改进的粒子滤波目标跟踪算法。建立目标模型时,将目标的HSV颜色特征和Uniform LBP纹理特征进行加权融合;粒子重采样过程中,采用加权随机采样方法,将粒子权值作为重采样的影响因子而非决定因子,以提升粒子多样性,降低粒子衰退对目标跟踪的影响;目标被干扰时,采用卡尔曼滤波对目标位置进行偏移校正,以获取目标正确位置;最后采用模板更新策略对目标模板进行实时更新。实验结果表明：相较于传统粒子滤波算法和CMT算法,本文算法对复杂环境中目标被遮挡和姿态变化的情况下都具有较好的鲁棒性。     

基于遗传进化策略的粒子滤波视频目标跟踪

粒子退化问题是影响基于粒子滤波视觉跟踪性能的一个重要因素,为克服这种缺陷,本文将遗传进化策略引入粒子滤波跟踪算法,利用遗传算法的选择策略,根据预定的似然阈值迭代选择每代粒子中次优个体,然后对未选中的粒子实施交叉、变异操作以获得粒子的多样性,从而有效解决了粒子的退化问题.另外,针对跟踪中目标表观变化的问题,本文提出的跟踪算法采用了多模板自适应更新技术以确保跟踪的准确性.实验结果表明,本文提出的跟踪算法能有效地跟踪室内运动目标,并对光照变化、目标姿态变化具有良好的鲁棒性.     

修正时延扩展卡尔曼滤波MIMO声纳目标跟踪方法研究

分布式多输入多输k~（Multiple．InputMultiple—Output,MIMO）声纳是一种通过MIMO技术规划时空信道来提高声纳探测性能的新型主动探测声纳体制。由于分布式MIMO声纳节点分布间隔大,水中声速较小,由各发射节点同步发射的测距信号将经过不同的时延到达目标,因此各接收节点测得的距离值分别对应于目标不同时刻的状态。常规的定位方法并没有考虑传播时延对测量值的影响,因而定位精度受到限制。提出了一种修正时延的扩展卡尔曼滤波方法（ModifiedExtendedKalmanFilter,MEKF）对分布式MIMO声纳系统中的移动目标进行跟踪。仿真结果表明,与常规的目标定位跟踪方法相比,该方法有定位精度高、收敛速度快、跟踪性能稳定的特点。     

广义互相关时延估计声定位算法研究

针对地面目标声定位因信噪比较低而定位精度差的现象,提出了基于广义互相关法的声定位系统,根据平面四元法目标定位计算式,研究了广义互相关算法在实际中的应用。环境噪声、军事目标声和民用目标声频谱范围大多集中,即出现目标声会与背景噪声高度重合的情况,发现一般加窗滤波法在降低噪声的同时亦会将目标声强度大大削弱,而广义互相关时延估计法是通过计算两路信号互相关函数的最大值而求得时延差,其精度高、稳定性好。通过计算机仿真得到在信噪比较低的情况下,加窗滤波因大大削弱目标声强度而造成定位精度较低,而利用广义互相关方法可得到较为精确的声定位坐标。     

同步信标在水下机动小目标轨迹测量中的高精度时延估计方法

研究了使用窄脉宽、短周期、高频率的单频同步信标信号在水下机动小目标轨迹测量中的高精度时延估计方法。利用MATLAB进行了不同信噪比下时延估计效果的仿真,得出时延估计精度在不同信噪比下的误差曲线;结果表明,信噪比在20dB以上时,利用包络检波器进行时延估计,其精度优于10μs;而利用自适应相位估计来补偿粗测时延,可以得到优于0.1μs的测时精度。     

Pattern时延差编码水声通信抗多普勒的差分解码研究

研究了 Pattern时延差编码（Pattern Time Delay Shift Coding,PTDS）水声通信的差分解码技术。在移动水声通信中,多普勒频偏会对信号产生时间上的压缩或展宽。差分解码通过测量相邻Pattern的时间差进行时延估计完成译码,克服了多普勒频偏在时间上的累加效应,具有更强的抵抗多普勒能力,为移动水声通信技术的研究打下了基础。仿真实验证明所提出的解码方案简单易行、性能优良。     

Pattern时延差编码水声定位的时延估计研究

基于Pattern时延编码体制,针对水下超短基线定位系统设计了呼叫信号的正、负调频时延编码结构,并提出利用二次互相关技术进行时延估计。该方法在一定程度上能够提高呼叫方的可检测信噪比,同时在复杂环境下对信道中包括直达波在内的多径信号能量进行累加,能够准确地完成峰值检测,进而达到提高时延估计精度的目的。海试实验结果表明二次相关法在不同信噪比条件下能有效地抑制界面反射产生的多径干扰。     

卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究

针对跟踪传感器延迟对伺服系统的精度和稳定性的不利的影响,本文提出了一种补偿方法。根据已延迟的跟踪传感器信号通过卡尔曼预测滤波来计算当前的目标位置和速度信号,并将这两个信号分别作为伺服系统的位置引导信号和速度顺馈信号进行闭环跟踪。理论分析和仿真数据表明,卡尔曼预测滤波能够在几帧内预测得到较准确的目标位置和速度信号,该补偿方法能够有效地提高伺服系统的跟踪精度和稳定性。     

Study on tracking algorithm of acoustic target

The prediction of helicopter′s track is very important for Anti-Helicopter Mine System (AHMS) in the battle. However, it is very difficult to get an accurate and reliable prediction when the data is very limited. This paper tries to establish a track forecast model based on the grey system theory to predict the radial distance, the azimuth and the elevation of a helicopter real-timely. The forecast model of grey system can directly predict the helicopter′s track, with out the need of coordinate conversion (polar coordinate to rectangular coordinate). So the measurement noise is relatively independent, the prediction accuracy can be improved. In the period of sampling, GM model has been established on line to improve prediction precision. The results of simulation indicate that higher prediction precision can be obtained with fewer surveying data.     

水声传感器网络移动节点定位技术

针对水声传感器网络的移动节点定位问题,首先研究了基于距离测量值的多边定位方法(Multilateral Localization,ML);然后利用节点运动信息,提出采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行跟踪的方法;最后针对水下移动节点的测量值不同步问题,提出了修正扩展卡尔曼滤波(Modified Extend Kalman Filter,MEKF)以改进EKF的精度。仿真分析结果表明,MEKF的定位精度要好于EKF,而EKF和MEKF由于其用到了节点的运动信息,因此其定位精度要远好于ML。     

DS-SS在水声跟踪定位系统中的性能分析

传统的水声跟踪定位系统使用单频脉冲信号（Continuous Wave,CW）。CW信号系统容易实现,但却存在很多缺点：对多径干扰敏感、无法多址、无法解决距离分辨力与作用距离之间的矛盾、保密性差等。扩频技术（Spread Spectrum,SS）能够克服CW信号系统的缺点,在通信中有着广泛的应用。在浅水区域,直接序列扩频（Direct Sequence Spread Spectrum,DS-SS）是更适合于水声信道的扩频技术。讨论了一种直接序列系统模型,并仿真了这种模型的抗多途干扰性能、多用户性能、抗单频干扰性能。仿真结果显示此模型性能优良,实用性强。     

基于三阶累积量及自适应滤波时延估计的管道定位方法

针对直接互相关被动时延估计法定位管道异常振动事件存在噪声干扰影响定位精度的问题,提出了基于三阶累积量及自适应滤波时延估计的管道异常事件定位方法。该方法对顺、反两路异常振动信号进行三阶自累积量和互累积量估计,抑制高斯相关噪声和对称分布噪声。然后利用自适应滤波时延估计算法对三阶自累积量和互累积量信号的时延进行迭代计算,在不依赖先验知识的情况下抑制非高斯相关噪声。经现场实验证明,该方法可以准确地对管道异常事件进行定位,对噪声具有很好的抑制作用,改善了直接互相关时延估计的性能。相对于直接互相关时延估计方法,相对定位误差由2.7%降低到0.6%,定位一致性提高了三倍,平均定位精度可达14m。