三维纯角度机动目标跟踪算法

利用角度信息估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散.笔者针对反直升机雷构成的雷群进行目标定位和跟踪,利用最小二乘法和基于"当前"统计模型的自适应滤波组合算法进行数据处理,最小二乘法的估计结果作为自适应滤波的观测值和观测噪声方差,算法简单而且有效,在目标机动和非机动时都能得到良好的估计结果.     

弹道导弹自由段跟踪初始状态估计方法研究

采用卡尔曼滤波器对目标进行跟踪时,目标初始状态估计是影响初始阶段跟踪精度的一个重要原因.该文基于无先验数据和有先验数据二种情况,提出了由前二点测量值及弹道导弹自由段的特性建立初始估计的方法和依据雷达系统之间数据转换建立初始估计的方法.仿真结果表明,使用前一种方法建立初始估计,能使滤波器迅速收敛,提高初始阶段的跟踪精度;使用后一种方法建立初始估计,能较好地实现对先验数据的利用,提高初始阶段的跟踪精度.     

飞行器转向时的航迹起始算法

在飞行器转向优化控制的研究中,传统的逻辑法在飞行器高速机动转向时因外推点与真实量测点距离偏大且跟踪波门偏小而丢失航迹真实量测点,从而导致雷达对观测目标航迹起始的失败.为了解决传统航迹起始算法所存在的问题,提出了采用修正外推点的方位角和放大的跟踪波门的改进的航迹起始算法.与传统算法相比,改进算法能够使目标的真实量测点更准确地落在雷达跟踪波门内.仿真比较和性能分析表明,上述算法对于提高飞行器等高速目标转向时航迹起始的正确率是有效和可行的.     

双基阵纯方位目标跟踪无偏最小二乘估计算法

纯方位目标跟踪是非线性估计问题,伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但对测量方程进行线性化处理后其运动要素的估计会出现发散或偏置现象.为了克服伪线性估计算法的估计有偏性,本文提出一种带约束条件的最小二乘估计算法,使得伪线性化后的均方等效误差最小来实现目标运动要素的无偏估计.通过仿真说明了利用该方法所得到的位置、速度跟踪误差曲线能很好快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性.     

基于分布式BLUE的多雷达数据融合方法

针对线性系统与非线性观测的混合跟踪融合问题,推导目标匀加速运动时的三维最佳线性无偏估计(BLUE)滤波器,给出基于分布式BLUE滤波的多雷达数据融合方法.由各单元雷达对直角坐标系下的目标状态进行BLUE估计,对多部雷达的目标状态在融合中心进行融合估计,采用位置、速度均方根误差和平均归一化估计误差平方作为融合性能评价标准.仿真结果表明,与基于NC的去偏转换状态融合方法和基于MMC的无偏转换状态融合方法相比,该方法对于过程噪声和测量噪声的变化不敏感,比基于NC和MMC的方法具有更小的位置和速度均方根误差,即使在大误差的情况下,仍然具有较高的融合精度和可靠性.     

基于最小二乘的多雷达观察精度分析

多传感器数据融合是目前指控系统获取目标真实信息的重要途径.雷达作为一种重要的传感器,其对目标的观察精度分析是数据融合的重中之重,而对于观察同一目标的多雷达精度分析尤为重要.论文通过建立外推估算法精度估计模型和基于最小二乘的离散优化多雷达精度排序模型给出了多雷达对目标观察精度的排序分析.     

基于相机模型投影的多目标三维人体跟踪算法

针对基于二维目标检测和卡尔曼滤波的多目标人体跟踪算法在视频拍摄角度不定的情况下,检测算法生成不同角度人体二维检测框的朝向和尺度混淆以及卡尔曼滤波器随机初始化造成的初始跟踪误差逐步放大问题,提出一种基于相机模型投影的多目标三维人体跟踪算法.在人体检测阶段,提出Multi-task RCNN(MTRC-NN)网络,使用人体...     

无线移动通信系统中提高信道估计精度盲方法

基于多载波正交频分复用（OFDM）系统,提出了一种新的时变步长修正软加权判决递归二乘信道估计盲方法。该法通过对常规算法步长进行自适应的科学设计以便跟踪信道特征变化,同时利用接收机判决信息函数修正权系数,克服了常规递归最小二乘（RLS）盲方法收敛速度慢、信道估计性能不高的缺点。仿真证明：对于不同的时延扩展、时间以及信噪比,该法均表现出比常规方法更优的性能。 同时,该法亦可用于估计通信、雷达、航天等领域的其他特征参数。     

扩展目标CBMeMBer 滤波器及其高斯混合实现

将CBMeMBer滤波器推广到多扩展目标跟踪场合,提出扩展目标CBMeMBer滤波器,并给出其高斯混合实现的步骤.该滤波器主要对原始CBMeMBer滤波器的更新步进行改进,引入多量测似然函数,避免了对目标数目的过估计.仿真结果表明,在多扩展目标跟踪场合,扩展目标CBMeMBer滤波器对目标数目和状态的估计精度高于CBMeMBer滤波器,接近于扩展目标PHD滤波器.     

基于特征匹配预估的Mean Shift运动检测与跟踪

针对传统Mean Shift跟踪算法在目标存在背景干扰或遇到遮挡时,目标跟踪不准确的问题,提出了一种基于特征匹配运动检测预估的Mean Shift跟踪方法.采用Harris算法提取跟踪目标特征点进行运动定位检测,通过Kalman滤波器估计每一帧中目标迭代的起始位置,由Mean Shift算法从预估位置开始迭代搜索,最终实现目标跟踪.实验证明:提出的算法能够在遮挡的情况下对目标进行精准的定位检测,有效改善了复杂条件下的跟踪效果,具有较好的鲁棒性.