一种新的目标仰角信息航迹不变量参数估计原理

根据所提出的余切关系定理,实现了纯方位观测的直线运动目标跟踪．推广到单/多站包含仰角信息的目标跟踪问题,并提出了基于仰角信息的目标的航迹参数计算和跟踪原理．在单站方位信息的支援下,依据仰角信息的不变量,从估算目标的航向仰角开始,推导出比值不变量,实现目标的仰角预测．分析了两站的目标参数解算方法,讨论了3站纯仰角同步信息的跟踪原理．实验结果证明了该方法的实用性和可靠性．     

纯方位系统定位与跟踪的最小二乘滤波多方位一初距原理

对纯方位系统单目标定位与跟踪问题利用多方位一初距法进行了较深入的研究,给出了多方位一初距法应用于纯方位系统时．方位与初距的变化关系,为建立新的多模型算法提供了理论基础。     

基于红外传感器方位跟踪算法的性能分析

针对项目需要,研究了当毫米波雷达/红外双模导引系统中的雷达系统不可用时,仅通过红外传感器的目标角度信息进行纯方位跟踪的卡尔曼滤波算法以提高系统的抗干扰能力。文中分析了扩展卡尔曼滤波器、伪线性估计器和基于修正球坐标系滤波器3种滤波方法用于解决此类问题的特点,并以纯方位跟踪的观察数据对上述算法进行了仿真。结果表明:扩展卡尔曼滤波器是一种不稳定的算法,在许多情况下是发散的;伪线性估计器稳定性较好,但产生的估计是有偏的;基于修正球坐标滤波解决了跟踪不稳定性问题,估计效果相对较好,具有一定的工程应用意义。     

强干扰环境下水下纯方位PMHT多目标跟踪

针对强干扰环境水下纯方位多目标跟踪的非线性、不可观测性以及数据关联模糊等问题,基于期望极大化算法,结合扩展卡尔曼滤波(extended Kalman filter,EKF)平滑算法和无味卡尔曼滤波(unscented Kalman filter,UKF)平滑算法,提出了基于EKF和UKF的多传感器多目标纯方位概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)算法。纯方位PMHT算法通过引入目标和量测数据之间的关联变量来解决量测与目标之间的数据关联模糊问题。简化了基于EKF平滑算法的多传感器纯方位PMHT算法,避免堆积每个传感器的合成量测,有效减小了运算量。仿真结果表明,在水下强干扰环境下,对于静止多观测站和机动单观测站,2种算法对多个交叉运动目标和邻近运动目标的航迹关联成功率高,抗干扰性能好,并且运算量小,证明了算法的有效性。     

估计偏差修正扩展卡尔曼滤波新算法

针对扩展卡尔曼滤波跟踪器在非线性系统目标跟踪过程中容易发散这一难题,在时差频差测量体制下,提出了一种基于估计偏差修正的扩展卡尔曼滤波算法．首先利用加权最小二乘算法求解标准扩展卡尔曼滤波状态估计偏差并进行线性修正;然后重新计算观测矩阵并且再次进行滤波估计,以减小局部线性化截断误差对于观测矩阵的影响,提升目标状态跟踪精度．仿真结果证明了所提算法具有较好的目标跟踪性能．     

在线判别式超像素跟踪算法

针对传统超像素跟踪方法中建模速度慢、目标遮挡易漂移的问题,提出一种新的目标跟踪算法．该算法利用超像素分割,获得大量目标前景和背景的超像素训练数据,通过训练超限学习机,并结合k-d树聚类快速构建目标前景和背景的判别式模型．在跟踪过程中,利用构建的模型和粒子滤波估计目标中心位置．最后结合相关滤波估计目标尺度,实现对目标的鲁棒性跟踪．实验结果表明,所提算法具有可靠的跟踪精确度和较快的跟踪速度．     

目标跟踪中的观测时间控制算法

为解决目标跟踪精度与观测时间间隔的矛盾，提出了一种基于目标状态估计协方差控制的观测时间确定算法．该算法以卡尔曼滤波器作为状态估计工具，根据跟踪精度要求设定目标估计状态协方差上限，通过目标估计状态协方差来控制观测时间间隔，从而实现对目标的优化观测．仿真结果验证了算法的有效性．     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

基于PMU的降阶二次状态估计算法研究

针对当前电力系统中同步相量测量单元(PMU)测量点少、无法直接进行状态估计的问题,提出一种新的状态估计算法.考虑到PMU系统量测精度比SCADA系统高,为了扩大高精度量测信息对状态估计结果的影响,算法将状态变量分成PMU可观测变量和PMU不可观测变量,并分别进行状态估计.对于PMU可观测变量,利用PMU量测量进行线性状态估计;对于PMU不可观测变量,利用线性状态估计的结果结合SCADA量测量进行降阶的快速分解状态估计.这种解耦的算法相对于传统混合状态估计算法计算更加简洁,并且有较高的数值稳定性.最后,利用多个IEEE标准测试系统对算法进行验证,通过与基本加权最小二乘法和快速分解算法对比,证明该算法在数值稳定性和精度上有很大优势.     

一种新的模糊控制多模型算法在目标跟踪中的应用

为解决传统的蛇形建模方法不能反映出反舰导弹典型运动特性的问题,引入动力学建模方法研究弹道问题,把导弹视为可控质点,建立了反舰导弹末端蛇形机动弹道模型.采用被动传感器进行跟踪,提出一种新的基于模糊控制的交互式多模型自适应无迹卡尔曼滤波算法,根据Sage-Husa噪声统计估值器的原理提出了状态误差协方差自适应算法,克服了传统噪声自适应算法在目标发生强机动时收敛速度慢的缺点,同时利用模糊控制方法实现了实时调整交互式多模型算法中的转换概率矩阵.仿真实表明:所建立的弹道模型对探测、识别和跟踪反舰导弹技术的研究有一定的参考价值;改进的跟踪算法能够快速调整模型概率,使得其估计误差的收敛速度比交互式多模型算法更快,鲁棒性更强,并且能够有效降低纯方位目标跟踪的误差,实现对反舰导弹末端蛇形弹道模型的稳定跟踪.     

纯方位角系统的实用多目标跟踪算法研究

该文以可变多目标两传感器的纯方位跟踪系统为对象,综合应用目标的速率约束、相关噪声的UKFJ、DPA关联和滑动窗口等方法建立一个新型实用的多目标多传感器纯方位关联跟踪方法。新方法能有效解决目标跟踪过程中所有的关键问题,并具备完整处理可变目标数的多目标关联与跟踪的性能。该文给出了新方法的计算公式,并通过一个计算仿真验证新算法的有效性。     

一种多机动目标协同跟踪的博弈论算法

针对传感器网络中的动态跟踪问题,提出一种基于博弈论的多机动目标协同跟踪算法.首先利用交互多模型扩展粒子滤波估计网络中每个机动目标的状态;然后以滤波过程中获得的目标信息增益为衡量标准,促使跟踪精度未达系统要求的目标的代理发起谈判,在保证谈判双方利益最大化的前提下,通过博弈为谈判发起者争取更多的传感器对其所代表的目标进行跟踪.仿真结果表明,在非线性非高斯环境下,该方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源以实现协同跟踪.     

变电站场景下运动目标的检测和跟踪方法

在遮挡物较多的变电站场景下, 传统的目标跟踪算法容易出现人员跟丢、身份变换、目标被遮挡无法识别等情况, 无法做到对目标的准确实时跟踪。针对此问题, 提出了融合度量学习与卡尔曼滤波的变电站运动目标跟踪方法。首先, 采用融合多尺度特征的YOLOv3算法检测目标, 利用带权值的匈牙利算法匹配目标的历史运动轨迹; 然后, 通过卡尔曼滤波进行轨迹预测, 并应用度量学习匹配预测轨迹与历史运动轨迹, 结合目标外观特征信息, 以实现变电站内运动目标的跟踪; 最后, 以变电站场景下的人员为例进行实验, 结果表明, 人员跟踪准确率高, 且能满足变电站应用场景下的鲁棒性和实时性要求。     

仅有角测量系统鲁棒跟踪研究

传统的仅有角测量跟踪器不能跟踪机动目标。为此作者在「２」中提出了跟踪机 仅有角测量系统。在文「２」基础上本文提出了新的变结构鲁跟踪算法，解决了令有角测量系统鲁棒跟踪机动目标问题，该系统由机动目标检测，噪声污染模型以及鲁棒跟踪器构成。最后应用本结果提出了仅有角测量系统鲁棒制导规律，给出了纺真计算结果。     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

基于LSTM-KF的无人机航迹跟踪算法

在量测信息有限的情况下,针对使用单一运动模型的卡尔曼滤波(KF)算法难以应对无人机航道跟踪的问题,提出了一种新颖的将长短期记忆网络(LSTM)和KF算法结合的LSTM-KF算法。首先,使用LSTM预测目标平均速度和瞬时速度的方法解决了非参数模型在位置预测任务中泛化能力差的问题。其次,分析了KF算法使用运动模型的预测局限性,提出利用LSTM的预测结果修正运动模型的预测结果的方法,来降低预测误差。修正后的预测结果与量测数据结合,实现对目标的状态估计。最后,将所提LSTM-KF算法在生成的轨迹上进行了验证,仿真结果证明,LSTM-KF算法比已有模型具有更高的跟踪精度和更强的鲁棒性。     

基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。