基于期望系统噪声模型的自适应机动目标跟踪

对于机动目标跟踪问题,由于目标机动能力的增强,使建立的目标模型与目标的实际运动失配。为解决这个问题,需建立大量模型来逼近真实模式。但这使计算量增大,而且性能不一定能提高。本文提出基于期望系统噪声模型的自适应交互式多模型(IMM)算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声模型。对目标机动运动的Monte-Carlo仿真结果表明,本算法对机动目标的跟踪精度比标准IMM算法有较大改进,且计算量适中。     

交互式多模型算法在机动目标跟踪中的应用

文中首先介绍了目标跟踪的数学模型,然后研究了交互式多模型算法(IMM算法)的基本结构,最后应用IMM算法跟踪空中交通管制中的机动目标,通过仿真实例详细地分析了影响IMM算法的主要因素.仿真结果表明IMM算法可以有效地跟踪空中交通管制中的机动目标.     

基于交互式多模型的水下机动目标跟踪

为了解决水下机动目标跟踪的实时性和可靠性问题,在交互式多模型(IMM)的框架下对水下机动目标跟踪进行了分析,建立了目标运动方程和观测方程。交互式多模型滤波算法的选择直接影响到跟踪的精度,在跟踪滤波方面,针对交互式多模型滤波过程中观测方程非线性对滤波性能的影响,分别将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)2种滤波算法与交互式多模型算法相结合。仿真结果表明,交互式多模型算法与UKF算法结合的滤波精度更高,能够更有效、可靠地达到跟踪机动目标的目的。     

基于消隐记忆SCKF的交互式多模型算法

针对交互式多模型算法(Interacting Multiple Model,IMM)在机动目标跟踪时,因模型不准确导致的滤波误差增大问题,提出了基于消隐记忆平方根容积卡尔曼滤波(Memory Attenuation Square Root Kalman Filter,MASCKF)的交互式多模型算法(IMM-MASCKF)。该算法在模型滤波中引入消隐记忆滤波理论,通过消隐记忆因子增大新息在滤波中的比重,改善了滤波器对目标机动的动态性能,提高了滤波精度。仿真结果表明,该算法可以实现对机动目标的有效跟踪,且与常规交互式多模型算法相比减小了滤波误差。     

网络化弹药系统中基于IMM算法的轨迹跟踪

网络化弹药系统是一种基于先进的无线传感器网络技术与现代智能弹药概念提出的一种弹药系统。为了实现网络化弹药系统中目标跟踪的任务,文中研究了将交互式多模型(interacting multiple model,IMM)滤波算法应用于网络化弹药系统实现对目标的轨迹跟踪,分别建立匀速拐弯运动以及匀速运动模型,目标在不同时刻遵循不同运动模型,利用IMM算法对探测到的目标进行跟踪建模,通过仿真分析,IMM算法跟踪效果良好,精度远高于最小二乘法。     

反舰导弹跃升俯冲过程的自适应跟踪研究

针对反舰导弹跃升俯冲机动过程进行跟踪时,固定模型集合难以精确匹配实际过载系数,影响跟踪性能的问题,应用自适应网格法进行跟踪.在跃升俯冲攻击弹道模型的基础上,当过载系数未知时,应用自适应模型集交互式多模型算法,并进行仿真计算分析.结果表明:该算法可准确跟踪过载系数的变化趋势,实时自适应调整各模型中的过载系数,使模型集合向实际运动模式收敛,跟踪精度优于固定模型集合的交互式多模型算法.     

直升机用SINS/GPS组合导航自适应滤波研究

由于直升机的工作环境复杂,采用常规卡尔曼滤波进行组合导航容易发散。为了提高系统应对突变的能力,提出了一种基于Sage-Husa滤波器和强跟踪滤波器的交互式多模型(IMM)自适应滤波(AF)算法。具体实现是通过判断滤波器的每一维收敛判据,进而选择相应的自适应算法。仿真结果证明了改进算法的有效性和优越性,导航精度得到了显著提升。     

基于IMM模型的周期性跳跃运动高超声速飞行器跟踪算法?

通过对临近空间高超声速飞行器的受力分析,建立了其周期性跳跃运动的数学模型,仿真分析了其运动特性;提出了一种加速度均匀变化的运动模型(constant differential of acceleration,CDA),并与CV模型、CA模型交互,使用引入强跟踪滤波器的交互式多模型算法对周期性跳跃运动进行跟踪研究。结果表明,该跟踪算法比经典IMM算法有更好的跟踪精度。     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

两阶段卡尔曼滤波自适应交互式多模型算法

对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高.针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设计了一种自适应交互式多模型算法.该算法采用两阶段卡尔曼估计器估计目标的加速度,然后将其反馈到由多个不同参数构成子滤波器的交互式多模型滤波算法中进行交互式多模型滤波.与自适应半交互式多模型算法进行对比的仿真验证了该算法有效地减少了子滤波器的数量,同时在一定程度上也提高了跟踪的精度.     

基于模糊交互多模型的机动目标跟踪方法

文中提出了一种模糊IMM（FIMM）算法,通过模糊逻辑推理得到IMM算法模型集中各滤波模型的匹配度,即模型的概率,代替IMM算法中通过交互组合计算模型概率的方法,该方法不需要IMM算法中的模型先验概率及马尔可夫转移概率,从而降低了算法的复杂程度。仿真结果表明,和标准IMM算法对机动目标的跟踪效果相比,文中提出的模糊IMM算法具有更高的跟踪精度,更快的收敛速度。     

基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究

对弹道导弹主动段和自由段进行连续跟踪已成为弹道导弹防御亟待解决的问题。采用多模型交互算法,是解决该问题一条可行途径,但传统交互多模型马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。文中基于后验信息修正,提出了一种马尔可夫参数值自适应调整算法,根据不匹配模型误差压缩率的变化,自适应调整先验的马尔可夫概率转移矩阵参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,提高系统的收敛速度。仿真实验表明：马尔可夫参数自适应调整算法对弹道导弹主动段与自由段交替处的跟踪效果优于传统多模型交互算法。     

GPS/INS制导导弹定位仿真研究

研究了GPS/INS制导导弹定位新方法.与以前对GPS/INS制导载体建立单状态方程不同,对导弹运动过程建立两种模型,机动和非机动模型,分别对应低动态和高动态应用环境.利用伪距和伪距率测量信息进行卡尔曼滤波.特别针对GPS制导的近程导弹运动过程的特点提出修正交互多模算法,能提高模型转换期间定位精度.仿真结果证明用这种方法定位可以达到实时和高精度,提高运动状态改变时的定位精度.这种方法对提高载体的精确制导有一定现实意义.     

统计特性突变下的机器人同步定位与地图构建

针对未知环境中,机器人同步定位与地图构建( SLAM)时,系统的统计特性发生突变问题,提出了一种基于非线性交互式多模型(IMM)的SLAM算法。该算法的主要思想是：用多个非线性高斯模型近似非线性非高斯模型;每个模型都采用扩展卡尔曼滤波(EKF)对非线性系统线性化;在每一步采用IMM方法获得融合估计值;从而演化机器人的SLAM. Monte Carlo仿真结果表明,在过程噪声均方根误差、量测噪声均方根误差和两者噪声均方根误差都发生变化的情况下,与EKF-SLAM算法和快速SLAM算法相比,该算法具有更好的估计精度。     

直接侧向力控制火箭弹的微机电系统速率陀螺滤波方法

火箭弹采用直接侧向力轨道控制时会使弹体姿态产生较高频率的振动,其对微机电系统(MEMS)速率陀螺测量会产生不利影响.目前的滤波算法通常假设弹体姿态在短时间内是缓变的,因此其对高频运动的弹体姿态滤波效果较差.根据气动力学分析可知,弹体在短暂中击后的高频振荡属于自然频率下的阻尼振荡,而弹体的自然频率和阻尼是可预先估计的,因...     

基于卡尔曼滤波的交互式多模型GPS定位方法研究

针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数据的试验分析,验证了变噪声模型的IMMKF能很好地适应环境噪声的变化;进一步通过动...     

机载多传感器协同跟踪与辐射控制研究

为了提高作战飞机的隐蔽性,提出了一种基于信息熵的机载多传感器管理与辐射控制方法,给出了基于辐射控制的机载多传感器系统协同跟踪方法。根据跟踪过程中距离估计信息熵与距离测量熵进行比较来实时控制雷达辐射,用序贯和IMM联合滤波算法对目标进行跟踪。对利用该方法的机载多传感器目标跟踪性能进行了仿真分析,仿真结果证明了该方法的合理性和有效性。     

基于多传感器的航迹自动判别算法

为解决多传感器系统在目标跟踪时由于某个传感器不能正常工作而影响目标航迹精度的问题,采用基于最小二乘曲线拟合和kalman一步预测的判别算法,自动识别暂时失效的传感器并抛弃其受到污染的数据,以提高系统输出数据的精确性和整个系统的健壮性。并采用交互多模型（Interacting multiple model,IMM）进行仿真实验。实验结果表明,该算法实现简单,且有良好的效果。具有很好的工程应用前景。