机动目标跟踪中数据互联新方法

为解决机动目标跟踪过程中的数据互联问题,该文提出了一种数据互联新方法。与概率数据互联滤波器不同,在进行数据互联时,该方法假定目标当前转弯率在某一范围内取值,这样其预测中心不再是一个点,而是一线段。在计算测量的权重系数时,采用的是测量距该线段的距离。仿真实验表明,杂波环境下对机动目标跟踪时,该方法降低了航迹丢失率,提高了状态估计的精度。     

基于杂波环境下的机动目标跟踪算法仿真

在机动目标跟踪中,实际系统的工作环境并非理想环境。这时传统的滤波算法无法适用。为实现量测跟踪,需要数据关联算法,即数据融合问题。介绍了数据关联中的基本原理;给出数据关联的基本模型;给出PDA算法的仿真,验证算法的可行性。     

一种具有自适应关联门的杂波中机动目标跟踪算法

针对杂波环境下的机动目标跟踪,该文提出一种基于自适应关联门的跟踪算法。该算法以传统交互多模型概率数据关联算法为基础,在关联门内无有效量测点迹时,假设目标在前一滤波时刻或是更早时刻以最大机动水平改变原运动模式,利用该假设条件下所获得的目标预测量测及当前真实预测量测,对用于确定关联门的新息协方差进行修正,使得关联门逐步适当扩大,以尽可能地包含目标真实量测点迹。仿真结果表明,自适应关联门跟踪算法能在不影响跟踪精度和算法运算量的情况下,有效降低机动目标的跟踪丢失概率。     

一种高数据率雷达跟踪慢速目标的数据互联算法

杂波环境下, 现有的最近邻数据互联算法在高采样率雷达跟踪慢速目标时, 由于量测误差远远大于目标实际运动的距离, 量测值往往难以落入预测波门之内, 从而造成数据互联失败。针对这一问题, 提出了一种自适应距离最近邻数据互联算法。该算法用状态估计向量中的位置信息计算与下一时刻量测值的实际距离来代替预测中心与量测值的统计距离, 降低了预测中心不确定性造成的漏互联概率, 从而提高了跟踪精度。实际距离波门的大小与雷达和目标距离、雷达测距精度、雷达测角精度有关, 并且随着时间实时变化。通过在地心坐标系下的跟踪滤波仿真证明, 该算法能够有效地实现高数据率雷达对慢速目标的跟踪, 且跟踪精度较高, 具有一定的工程实用价值。     

一种机动海目标跟踪算法研究

在α-β跟踪滤波器的基础上增加了机动检测器,根据残差过程的变化特性,设计机动检测准则来提高对机动海目标的跟踪性能。仿真比较了原始α-β跟踪滤波器和加机动检测器的滤波算法性能。     

一种改进的机动目标跟踪算法

Singer模型是一种全局统计模型，它考虑了目标所有机动变化的可能性，适合于各种情况和各种类型的机动。由此也导致每一种具体战术情况下的每一种具体机动发生的概率势必很小，所以其跟踪精度不高。UKF—Singer算法通过设计逼近系统状态的分布Singer点，采用UT变换，最后获得滤波值基于状态方程的更新，有效解决了传统Singer模型存在的问题，提高了其跟踪精度。通过仿真试验证实了该算法是有效的。     

一种新的机动目标非线性跟踪算法

描述了一种新的机动目标非线性跟踪算法（简称ＮＬＦ算法），提出了合理了机动似然函数，导出了机动概率估值方程。仿真结果表明，ＮＬＦ算法具有计算量小、跟踪性能好等特点，有较好的工程应用价值。     

杂波环境下被动多传感器机动目标跟踪新算法

针对杂波环境被动传感器机动目标跟踪问题,该文研究了一种基于粒子滤波的被动多传感器机动目标跟踪新算法。 在该算法中,首先推导了杂波环境下粒子滤波的似然函数表达式。其次将粒子滤波与交互多模型(IMM)相结合,用IMM方法实现模型的切换,以适应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后,建立了被动多传感器的非线性观测模型,避免了目标的不可观测性,并且算法还能够处理非高斯噪声情况。仿真实验结果表明,提出的算法能够有效地对被动机动目标跟踪,且性能优于交互多模型概率数据关联滤波器(IMM-PDAF)。     

用于机动目标跟踪的分段机动识别方法

分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器.     

基于两点式数据关联算法的多机动目标跟踪

本文首先分析了两点式概率数据关联算法,在此基础上将其与交互式多模型算法结合起来提出了一种用于跟踪多机动目标的新算法.由于充分利用了两点式数据关联算法在关联精度和计算量上的优越性,所提出的新算法无论在跟踪精度方面,还是计算量上都有很大的改善.理论分析与仿真结果验证了该算法优于传统的交互式多模型联合数据关联算法.     

多目标跟踪关联中的多特征数据融合方法

本文讨论了利用传感器获取的有关目标的多特征数据来实现多目标关联跟踪的方法。通过品质函数的概念定义一种关联测度,并且阐明这一测度是常规关联决策的推广。关联测度可以取０到１之间的任何实数值来表示相关程度。考虑到实际情况下某些特征数据可能不易持续获得,引入了有效因子来处理特征数据缺损的情况。本文采用了计算机仿真实验对比的方法研究了多特征数据关联跟踪的效果。     

一种新的机动目标跟踪的多模型算法

采用带渐消因子的当前统计模型与匀速运动模型进行交互,设计了一种新的机动目标跟踪的交互式多模型算法。当前统计模型具有对一般机动目标跟踪精度高的特点,通过渐消因子的引入增强了该模型对突发机动的自适应跟踪能力,同时通过与CV模型的交互保证了对非机动目标的跟踪性能。仿真结果表明,在跟踪一般机动目标时,其误差和当前统计模型与CV模型交互的IMM算法相当;在跟踪突发机动目标时,该文算法的误差明显小于当前统计模型与CV交互的IMM算法。     

粒子滤波在机动目标纯方位跟踪中的应用

文章将多模粒子滤波算法用于机动目标纯方位跟踪，通过估计模型的概率而不是寻找最优算法去进行局部线性化和表征非高斯后验密度，从而减小了近似误差。在仿真研究中，与IMM—EKF的比较验证了多模粒子滤波处理机动目标纯方位跟踪问题的优越性。     

一种机载地面侦察雷达多机动目标跟踪方法

介绍了地面多机动目标跟踪系统的一种实现方法 ,提出了跟踪系统目标模型的建立、跟踪坐标系的选择、跟踪起始和跟踪终结以及数据关联和跟踪维持的方法 ,最后给出了试验结果。     

一种新的机动目标跟踪的多模型算法

设计了一种仅仅使用两个模型实现对机动目标精确跟踪的多模型算法,采用了含有法向和切向加速度的加速度均值自适应的当前统计模型和扩展后的常速模型进行交互。该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强。仿真结果表明,该算法对目标的跟踪精度明显优于传统的使用3个以上模型交互的IMM-CV/CT算法。由于本算法能够估计出目标的法向和切向加速度,进行适当的模型集设计后,可以实现对复杂、快速机动目标的全过程跟踪,具有可扩展性的应用前景。     

一种多模型贝努利粒子滤波机动目标跟踪算法

交互式多模型贝努利粒子滤波器(Interacting Multiple Model Bernoulli Particle Filter, IMMBPF)适用于杂波环境下的机动目标跟踪。但是IMMBPF将模型信息引入粒子采样过程中会导致用于逼近当前时刻真实状态与模型的粒子数减少,而且每次递推各模型间的粒子都要进行交互,存在计算量过大的缺点。为提升IMMBPF中单个采样粒子对于真实目标状态和模型逼近的有效性,该文提出一种改进的多模型贝努利粒子滤波器(Multiple Model Bernoulli Particle Filter, MMBPF)。预先选定每一个模型的粒子数,且模型间的粒子不需要进行交互,减少了计算负荷。模型概率由模型似然函数计算得到,在不改变模型的马尔科夫性质的条件下避免了小概率模型的粒子退化现象。仿真实验结果表明,所提出的MMBPF与IMMBPF相比,用较少的粒子数就可获得更优的跟踪性能。     

Amended Kalman Filter for Maneuvering Target Tracking

The conventional Kalman filter (KF) which uses the current measurement to estimate the current state is a posterior estimation.KF is identified as the optimal estimation in linear models with Gaussian noise.However,the performance of KF with incomplete information may be degraded or diverged.In order to improve the performance of KF,an Amended KF (AKF) is proposed by using more posterior measurements.The principle,derivation and recursive process of AKF are presented.The differences among Kalman smoother,adaptive fading method and AKF are analyzed.The simulation results of target tracking with different covariance of motion model indicate the high precision and robustness of AKF.