球坐标系中水下目标跟踪的研究

研究了球坐标系中的目标跟踪,提出了一种基于球坐标系的水下目标运动模型,指出了机动目标运动模型中均值和方差的取值,在此基础上,导出了基于球坐标系的自适应卡尔曼滤波跟踪算法,给出了Monte Carlo仿真实验的结果。结果表明:在球坐标系中,该模型对水下目标的径向距离、方位角、俯仰角及其速度和加速度具有良好的跟踪性能,无须进行目标的机动检测,跟踪算法所需计算量小。     

不同坐标系下中段弹道目标跟踪算法研究

弹道目标跟踪比较复杂,文中结合具体的坐标系推导滤波算法中各方程的解析表达式,并分析比较坐标系的影响,对工程应用有重要的意义。以"二体运动"方程为基础,通过坐标变换、二次求导等方法推导了球坐标系下的目标加速度。针对混合坐标系和球坐标系,给出了中段弹道目标的动力学方程和量测方程,并对采用扩展卡尔曼滤波所需要的关键函数给出了显式表达。对两种坐标系下的弹道目标跟踪进行了蒙特卡洛仿真,仿真结果表明按照本文推导的公式,2种坐标系下都能有效跟踪;但与直观的猜测相反-混合坐标系下的跟踪优于球坐标系下的跟踪。     

遗传算法的模糊Kalman滤波用于机动目标跟踪

针对卡尔曼滤波器对机动目标跟踪效果不佳的缺点，提出基于遗传算法的模糊卡尔曼滤波器（GA-based FKF）。它将未知的机动加速度看作附加过程噪声，全部过程噪声的时变方差用模糊系统来估计，并用遗传算法对模糊系统进行优化。最后将该算法与交互多模型方法通过仿真进行了比较。仿真结果表明GA-basedFKF提高了跟踪性能，减小了计算量，是有效可行的。     

混合坐标系下的自适应α-β滤波器

针对雷达目标观测和数据处理在不同的坐标系下完成,本文提出了一种混合坐标系下的自适应α-β滤波算法来跟踪机动目标。该算法以自适应α-β滤波器为基础,直角坐标系和球坐标系下的算法相结合,克服了这两种坐标系下滤波算法的不足,对机动目标有很好的跟踪效果。仿真表明该算法的跟踪性能优于单一坐标系下的自适应α-β滤波器,尤其适用于TWS雷达多机动目标跟踪情况。     

多种跟踪算法对机动目标跟踪的应用研究

通过建立目标运动模型,对多种跟踪滤波器进行了分析仿真。仿真结果表明,混合状态估计交互式多模型算法（IMM）对机动目标跟踪效果比其它类型的滤波器好得多,并且确定了在航迹滤波与机动跟踪方面综合表现性能较高的IMMVCVA跟踪算法。通过外场实际数据验证,表明该算法对现实环境中的目标稳定跟踪具有重要的意义。     

快速机动目标跟踪算法研究

根据空间目标作匀速转向运动的特点,提出了一种基于航向变化的目标加速度实时估计方法,在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪。仿真结果表明,这种新的加速度估计方法不仅能检测出目标机动开始和终止时刻,而且还能估计出快速机动目标的加速度大小,与扩展卡尔曼滤波器相比,采样卡尔曼滤波器具有更好的跟踪精度。     

EKF、PF在目标跟踪中的研究

介绍两种目标跟踪算法—扩展卡尔曼滤波器（Extended Kalman Filter,EKF）、粒子滤波器（Particle filter,PF）。EKF利用泰勒级数方法,将非线性问题转化到线性空间,再利用卡尔曼滤波器进行滤波,并达到一阶估计精度。PF是一种采用蒙特卡罗采样的贝叶斯滤波方法,它将复杂的目标状态分布表示为一组加权值,通过寻找在粒子滤波分布中最大权值的粒子来确定目标最可能所处的状态分布,已成为复杂环境下进行目标跟踪的最好的方法。文中通过仿真实验,对二者的性能进行了仿真比较,结果证明在复杂的非高斯非线性环境中,PF的性能明显优于EKF,但计算复杂,耗时长。     

球坐标系下具有抗干扰能力的弹道导弹跟踪算法

 针对弹道导弹突防过程中释放的有源多假目标欺骗干扰,提出了一种新的具有抗干扰能力的弹道导弹跟踪算法.该算法不仅能够利用球坐标系下线性量测的优点,有助于提高真目标的跟踪精度,而且能够实时估计出假目标的延迟距离,利用雷达滤波结果即能辅助鉴别有源假目标.首先,将假目标的延迟距离增广到球坐标系的状态矢量中,从理论上导出了弹道目标更一般意义下的运动方程;其次,利用球坐标下的扩展Kalman滤波(EKF)对延迟距离进行实时估计,延迟距离较小的判定为实体目标,延迟距离较大的判定为有源假目标;最后,分析了相关因素对跟踪和鉴别性能的影响.该方法的优点是跟踪鉴别的一体化和实时性.     

基于大地坐标的对空超视距目标跟踪研究

在超视距目标跟踪中,由于地球曲率的影响,基于直角坐标建立目标的状态方程和观测方程不再合适。针对这一问题,建立了基于大地坐标的目标状态方程和观测方程,并将Unscented卡尔曼滤波方法(UKF)运用到大地坐标系下的对空目标跟踪中。通过仿真试验,验证了该方法的可行性。     

一种基于极坐标的无源定位与跟踪稳定算法研究

本文以无源定位与跟踪为背景,分析了利用扩展卡尔曼滤波算法进行定位与跟踪计算中的不稳定现象的原因,并提出了一种新的基于极坐标的定位与跟踪算法,通过仿真试验验证了这种算法具有较好的稳定性。     

极坐标系下UKF双站目标跟踪算法研究

介绍了传统的带多普勒量测信息的双基地目标跟踪模型,提出了采用一组新的状态变量替代原有状态变量,得到了极坐标系下量测方程完全线性化的双基地跟踪模型,并将无迹卡尔曼滤波（UKF）应用于这个非线性系统的目标跟踪。通过仿真实验看出,与同样使用UKF进行跟踪的传统的混合坐标系跟踪模型相比较,极坐标系UKF算法有更好的跟踪性能,收敛快,对噪声有更强的适应能力。     

基于自适应卡尔曼滤波的机动目标跟踪算法

针对一般卡尔曼滤波融合跟踪方法无法实现对机动目标的有效跟踪问题,提出一种自适应卡尔曼滤波融合方法,设计一种能够提供目标开始机动瞬时估计的目标机动探测器,反复对目标的加速机动进行估计,当确定目标开始机动时,卡尔曼滤波模型将自适应地调整为目标机动状态模型。最后,通过仿真实验对比分析,证明文中所提方法优于一般卡尔曼滤波融合方法。     

球坐标系下多普勒雷达目标跟踪滤波器

将仅仅考虑位置量测的三维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距和多普勒的量测误差相关的雷达目标跟踪问题。首先利用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后利用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据转换量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。     

仅有角度量测的红外机动目标跟踪

针对红外机动目标跟踪仅有角度量测的特点,引入了基于修正球坐标系的扩展Kalman 滤波器,并对目标状态模型及其线性化方程进行了推导,建立了扩展Kalman 滤波方程 组。     

强跟踪自适应平方根容积卡尔曼滤波算法

针对强跟踪滤波器（STF）的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波（SRCKF）算法。利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF 。基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF 。该算法兼具STF与自适应SR-CKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能。仿真验证了所建算法的有效性。     

ECEF坐标系弹道导弹跟踪研究

针对单模型跟踪算法无法实现对弹道导弹连续精确跟踪的问题,提出了一种地心地固坐标系下弹道导弹全阶段连续跟踪的交互式多模型(IMM)算法。根据导弹不同飞行阶段的受力情况建立IMM算法的两个滤波模型集:助推段采用恒轴向力模型,中段、再入段采用被动段跟踪模型,两个模型都利用滤波精度高、数值稳定性较好的求容积卡尔曼滤波算法进行滤波。针对该IMM算法在混合估计过程中引入偏差的问题,采用无偏混合的方法,以两种典型的跟踪场景进行仿真校验,实验结果验证了该文算法的优越性。