基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

自适应卡尔曼定位算法在分布式MIMO系统应用

在实际的MIMO无线信道中存在各种杂波以及观测噪声的影响,若要实时精确的定位出移动目标的位置信息,观测噪声的随机性必然会造成定位偏差.为了克服这种偏差,通过Welch谱估计对测量噪声预处理的基础上,根据任意时刻三次卡尔曼滤波结果与距离阈值的比较自适应调整观测噪声协方差修正滤波增益矩阵,再利用EKF逐次迭代不断地更新MS的移动轨迹.最后与恒定观测噪声协方差EKF算法比较,结果显示该算法有效的降低观测噪声协方差对后续时刻估计值的影响,从而提高了定位精度.     

一种基于机器学习的雷达目标跟踪算法

针对卡尔曼滤波算法中新息残差的理论值与实际值不一致所导致的跟踪器滤波精度下降的问题,文中在卡尔曼滤波算法的基础上,提出了一种新型的雷达目标跟踪算法。首先由发射机发射信号,雷达接收机接收到目标反射信号,对信号进行处理,用卡尔曼滤波算法对目标下一个方位进行跟踪,在跟踪的过程中,利用机器学习中的支持向量机回归算法来估算理论新息和实际新息残差的最小均方误差(自适应调节因子)进行训练,预测出目标下一个方位并不断减少与实际测量值间的误差,从而显示出预测轨迹,这样可以减少噪声误差的影响,实现目标的跟踪。     

基于波形库的目标跟踪波形选择方法研究

传统雷达对目标跟踪时采用固定的发射波形。本文应用认知雷达波形捷变的思想,通过建立波形库实现对发射波形的实时调用,从而进一步提高雷达的跟踪性能。在高斯噪声、线性运动目标跟踪方法的基础上,通过测量噪声与发射波形之间的关系,在经典卡尔曼滤波算法的框架中增加了波形选择模块,实现对跟踪波形的调节。同时,应用了两种不同的波形选择准则,并针对其不同的特点,仿真得出了不同的波形选择方案,表明通过波形库对波形进行实时调用可实现特定的目的和要求。     

影响Raytheon雷达距离精度和方位精度的因素分析

分析影响设备距离精度和方位精度的因素,提高设备性能。以测距和测方原理为依据,从雷达脉冲形状、天线波束形状、电磁波在大气的传输、接收机噪声、信号处理等方面,定量分析了各个因素影响的程度。接收机噪声对雷达的方位精度影响最大,脉冲前沿的抖动和大气的反射、折射对测距精度影响最大。降低接收机的整体噪声,提高方位精度;同时将脉冲前沿做的尽量小,最理想情况下为方波,对反射做误差修正,提高测距精度。     

基于模糊理论的自适应联邦滤波算法研究

针对先验噪声统计特性与实际不符引起卡尔曼滤波精度下降的情况,提出了一种基于模糊自适应联邦卡尔曼滤波方法。算法基于模糊推理思想通过理论残差与实际残差的比值来对观测噪声协方差阵进行加权调整,实现对观测噪声统计特性的实时跟踪,在此基础上,利用信息分配因子对各子滤波器及主滤波器输出进行加权,得到滤波器的全局输出,将此输出周期性反馈给各个子滤波器以校正子滤波系统的偏差。SINS/GPS/TAN组合导航系统的仿真试验表明该算法具有更强的自适应性、滤波精度更高、鲁棒性更强。     

基于 IMM 的改进去偏转换测量目标跟踪算法

针对机动目标跟踪,提出一种基于交互式多模型的改进去偏转换测量卡尔曼滤波算法（IMM－MDCMKF）,该算法在多模型中使用了改进的去偏转换测量卡尔曼滤波算法（MDCMKF）。 MDCMKF 算法先通过引入状态估计值对转换误差协方差进行修正,有效地降低了测量噪声对此协方差的影响,然后将修正的转换误差协方差用于目标跟踪问题中的去偏转换测量卡尔曼滤波算法。最后进行的 Monte Carlo 仿真结果表明,所提算法跟踪精度优于 IMM－EKF算法和 IMM－DCMKF 算法。     

雷达角度跟踪的模糊神经网络方法

本文介绍了一种用模糊神经网络对雷达目标进行角度跟踪的方法,并与卡尔曼滤波方法作一比较。模拟结果表明该方法在大的角噪声条件下性能比卡尔曼滤波方法更为稳健。在较小的角噪声条件下与卡尔曼滤波方法相当,并且其在运算量方面也颇具竞争力;     

基于改进Quinn算法的LFMCW雷达高精度测距

为了提高线性调频连续波(Linear Frequency Modulation Continuous Wave,LFMCW)雷达的测距精度,一般采用稳定性能好、计算量小的Quinn算法。但在低信噪比、频率偏差位于量化频谱附近时,Quinn算法的估计误差很大。针对Quinn算法的缺陷,提出了一种改进的Quinn算法,该算法引入频率偏差因子,把频率偏差先平移到量化频率中间,利用Quinn算法在频率偏差位于量化频谱中间获取高精度测距的优点,提高LFMCW雷达的测距精度。仿真结果表明,改进的Quinn算法具有很好的抗噪声性能,频率估计均方根误差接近克拉美罗下限（Cramer-Rao Low Bound,CRLB）,能够满足LFMCW对测距精度的需求。     

小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用

众所周知,卡尔曼滤波的成功应用需要事先准确知道观测噪声的统计特性.本文首先简要分析了不准确的观测噪声统计特性对卡尔曼滤波性能的影响,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知观测噪声条件下的卡尔曼滤波算法,该算法可以实时跟踪观测噪声的变化,即实现了对观测噪声方差的实时估计,从而解决了在未知观测噪声的条件下卡尔曼滤波失效问题.最后讨论了提出的方法在信息融合中的应用,仿真结果证明了本文方法的有效性和实用性.     

单雷达直线航迹线目标状态分量合成估计方法

通过分析传统卡尔曼滤波方法在复杂数据环境应用中遇到的问题,提出了基于单雷达加权直线航迹线参数估计模型的目标运动状态分量合成估计方法。该方法基于复杂数据环境,无须获取系统噪声和观测噪声等先验知识,充分利用目标处于匀速直线运动状态这一特点,分别对当前有限测量点的X、Y 分量进行相对于的测量时刻的垂直距离加权迭代估计,确定目标状态估计参数。通过对比试验,验证了文中所提的方法比传统卡尔曼方法具有更优的目标状态估计效果、测量误差平滑和野值抑制能力,能有效提高观测样本较少时目标状态参数估计的准确性。     

多通道ARMA信号信息融合Wiener滤波器

应用Kalman滤波方法,基于白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多通道ARMA信号的两传感器信息融合稳态最优Wiener滤波器、平滑器和预报器;给出了最优加权阵和最小融合误差方差阵.与单传感器情形相比,可提高滤波精度.一个雷达跟踪系统的仿真例子说明了其有效性.     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时,为了提高航迹关联效率并改善非线性场景跟踪效果,提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling,PF-KIS)算法。首先,将航迹关联分解为聚类和指派,通过密度聚类筛选并整合有效目标,经过匈牙利指派得到目标和航迹的最佳匹配关系,避免产生多余联合事件,提高关联效率;其次,以卡尔曼滤波的结果作为粒子滤波的先验,使采样粒子分布更合理,提高估计精度,进而改善非线性跟踪能力。实验表明,算法平均航迹关联正确率约为95%;非线性场景误差约为卡尔曼滤波的1/2,有效地改善了非线性场景跟踪能力。     

一种残差模糊匹配的非线性目标跟踪改进算法

为解决目标跟踪中因系统滤波初值不准确和噪声统计特性未知引起标准非线性卡尔曼算法估计误差变大问题,该文提出一种基于残差的模糊自适应(RTSFA)非线性目标跟踪算法。在确定采样型滤波基本框架的基础上,给出了在线性化误差约束条件下高斯权值的积分一般形式,并利用李雅普诺夫第二方法证明了该算法估计误差有界收敛的充分条件。进一步构建自适应噪声协方差矩阵在线估计噪声特性,并引入Takagi-Sugeno模型和量测椭球界限规则选择噪声估计器调节因子,有效提高了算法的收敛速度和滤波精度。通过滤波初值信息不明和量测噪声时变的纯方位目标跟踪模型,验证了非线性目标跟踪算法具有更好的跟踪精度和更强的鲁棒性。     

基于自适应粒子滤波算法的对海跟踪研究

机载雷达对海面慢速运动目标跟踪时存在非高斯非线性状态估计问题,传统的卡尔曼滤波器跟踪不仅会产生目标定位偏差,而且会造成航迹起伏。文中将自适应粒子滤波算法应用到具有闪烁噪声背景下的海面目标跟踪问题中,此算法可根据预测粒子在状态空间中的分布情况自适应选择粒子数量,从而在保证跟踪精度的同时减少了算法的运算量。仿真结果表明,自适应粒子滤波器可实现对闪烁噪声背景下的慢速目标高精度定位跟踪,且跟踪性能优于标准粒子滤波器,具有工程实用价值。     

雷达数据实时时间配准算法研究

针对雷达数据融合中观测数据时间不同步的问题,本文提出了Kalman滤波器算法与三点抛物线插值法相结合的时间配准方法,结合雷达数据处理的特点,利用方位维波门相关算法,减少无效的时间配准计算,并用仿真的方法验证其配准的有效性。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

一种改进的多普勒雷达跟踪算法

多普勒雷达能够获得目标位置量测的同时,还能获得多普勒量测,即目标径向速度.为解决多普勒雷达量测处理算法过程复杂、计算量大的问题,本文提出一种用不敏卡尔曼滤波处理多普勒量测的改进方法对多普勒雷达量测直接在混合坐标系下进行非线性滤波,实现过程简单,计算量小.仿真结果表明该算法能够达到序贯扩展卡尔曼滤波和序贯不敏卡尔曼滤波算法的状态估计精度,并且明显改善估计的一致性.