基于毫米波雷达的机动目标跟踪算法研究

针对复杂交通环境下高机动目标难度大,易丢失的问题,提出一种适合机动目标的毫米波雷达跟踪流程。首先,提出一种适合毫米波雷达数据的跟踪门——基于规则的自适应跟踪门,能够根据雷达探测范围,目标属性自适应调整跟踪门。然后,根据目标高机动特性,选择匀速模型和匀加速模型为跟踪模型,利用交互式多模型算法跟踪目标。实验结果表明：交互式多模型算法较典型卡尔曼滤波跟踪精度提高18.26%;论文方法跟踪雷达目标准确度提高5.303%,虚警率下降0.813%。     

相控阵测量雷达扫描特性及误差补偿方法研究

基于相控阵雷达工作原理,分析了天线扫描对波束宽度和天线增益的影响;以往只考虑相控阵雷达电扫法线跟踪测量精度,未考虑相控阵雷达偏轴电扫跟踪测量精度;通过雷达步进偏轴跟踪模拟目标方法,采集雷达角度补偿数据库,实现了偏轴扫描跟踪角度误差补偿;试验结果表明,该补偿方法能够提高相控阵雷达偏轴扫描跟踪坐标测量精度。     

基于并行Boosting算法的雷达目标跟踪检测系统设计

目前的雷达目标跟踪检测系统跟踪路线与实际路线相差较大,泛化误差率高。基于并行Boosting算法设计了一种新的雷达目标跟踪检测系统,硬件内部引入数据多处理器,对收集的雷达位置数据集中处理,连接I/O接口,配置数据过滤器,将雷达位置信息数据的状态参数录入过滤器元件中。在软件部分,利用并行Boosting算法的内部学习融合方式调节不同的雷达目标追踪系统状态,通过信息处理、航迹分析、落脚点判断来整合相应的跟踪检测信息,构建检验方程式防止外来无关数据的侵扰,最终得到雷达目标跟踪数据操作状态,完成目标跟踪检测。实验结果表明,基于并行Boosting算法的雷达目标跟踪检测系统设定的检测路线与实际路线吻合度高达99.21%,泛化误差远远低于传统目标跟踪检测系统,实用性更强。     

基于模糊逻辑控制的单脉冲雷达测距算法改进

针对某型号雷达在对飞行器的初始段跟踪测量过程中,由于受地杂波影响较大,存在跟踪稳定性较差、测距精度偏低的问题,提出对雷达测距跟踪环路采用模糊自适应扩展Kalman滤波取代模糊自适应常规Kalman滤波的方法.方法主要是通过引进估计误差方差阵的加权系数α,通过在滤波过程中对系数α进行"在线"调整,来实现对滤波器噪声方差阵的实时调整,从而优化了滤波器执行最优估计的性能,达到了增强雷达设备跟踪稳定性和提高测距精度的目的.仿真结果表明,该模糊自适应扩展Kalman滤波器跟踪目标稳定性和精度高于模糊自适应常规Kalnum滤波器.     

基于图像轮廓检测的航天器目标跟踪控制系统设计

目前研究的航天器目标跟踪控制系统控制有效率低,追踪图像与实际目标不同,准确率低;基于图像轮廓检测设计了一种新的航天器目标跟踪控制系统,根据系统硬件的不同性能与结构进行模块式划分,同时将图像轮廓检测数据准则添加入中心管理系统中,时刻保证数据的检测安全系数处于系统操作允许范围内;调整原有的软件结构状态,采集航天器轮廓图像并提取轮廓信息,选用适当的图像轮廓检测阈值,集中检验跟踪目标的运动方向,调控方向数据,以此降低图像的像素变化程度,得到准确的航天器目标跟踪控制结果;实验结果表明基于图像轮廓检测的航天器目标跟踪控制系统控制有效率达到了84%,跟踪目标更加准确。     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。     

天波超视距雷达数据关联跟踪算法现状研究

在远程预警系统中,天波超视距雷达以其探测距离远、覆盖范围大和抗隐身等优点受到各国学者的广泛关注。但其存在的"三低"和"多径"——低检测概率、低测量精度、低数据率和多传播路径问题给目标跟踪带来很大困难。探讨了天波超视距雷达目标跟踪数据处理算法目前存在的一些问题,回顾了目前天波超视距雷达数据关联跟踪算法研究的发展现状,讨论了基于不同坐标系的天波超视距雷达数据关联跟踪算法的优缺点,并指出了应重点研究的方向。     

适于高频地波雷达工程应用的数据关联方法

针对宽波束高频地波雷达监测海面低速移动目标的工程应用要求,采用一种新的跟踪门预处理的联合概率数据关联方法对目标进行跟踪.基于数据关联性能评价函数和运动定理相结合的跟踪门规则能够减少跟踪门内非本目标的回波;在此基础上采用简化的联合概率数据关联算法对波门内的回波进行关联滤波,从而降低错误关联的概率并减小关联计算负荷;雷达实测数据分析表明,该方法计算量小,能够稳定、有效的实现高频地波雷达系统中的目标跟踪,适于工程应用.     

基于RGB-D传感器的移动机器人目标跟踪系统设计与实现

研究基于开源机器人运行系统ROS(Robot Operating System)架构的移动机器人目标跟踪系统的设计与实现。考虑目标人检测的准确性和跟踪鲁棒性的需要,首先对跟踪目标进行特征提取,并利用深度信息实现基于最近点位置信息的目标跟踪。跟踪过程中通过欧氏聚类法去除噪声信息,在深度信息无法解决干扰物影响跟踪效果的情况下,使用基于颜色信息的Cam-Shift跟踪方法实现目标跟踪,提高了系统抗干扰能力。实验结果验证了该系统的可行性和稳定性。     

基于多雷达的临近空间目标检测前跟踪算法

针对临近空间目标的低可探测性和多雷达采样周期与测量精度不一的问题,提出一种基于概率网格和多维Hough变换的多雷达检测前跟踪（ TDB）算法。利用概率网格将雷达测量数据概率化,通过多维Hough变换在多维空间建立初步候选航迹,利用基于不敏变换的空间融合方法得到目标数目及轨迹。仿真实验表明：该算法能够在密集杂波下实现弱小目标的有效检测。     

一种改进的海面舰船目标跟踪方法

用警戒雷达跟踪海面舰船目标时,由于舰船运动速度较慢,这使得其在雷达两次观测之间的位移与雷达本身的测量误差是可比拟的。这种情况下,传统的Kalman滤波在付出较大计算量的同时并不能显著提高跟踪精度。为此,针对海面匀速直线运动的舰船目标,提出了一种基于线性递推回归的投影滤波跟踪算法（Projection Filter based on Linear Recursive Regression,PFLRR）,仿真实验表明该算法的滤波性能与Kalman滤波相当,但其计算量仅为Kalman滤波的2/5左右。     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于多特征参数的雷达数据关联及融合

在高密集多回波环境下,针对多雷达系统参照目标位置信息参数进行跟踪时可能出现关联精度较差的问题,加入多普勒频率参数,提高对目标跟踪的精度。针对数据融合过程中各雷达产生的误差不一致问题,提出一种动态分配权值的策略,将带有权值的各雷达数据送往融合中心进行融合计算。仿真结果表明,该方法能改进雷达系统的跟踪精度。     

基于卡尔曼滤波的动目标运动参数跟踪测量

为实现雷达的精确制导功能,需要精确的跟踪和测量动目标的各项运动参数,为了提高跟踪测量精度,根据目标运动特性采用与系统相匹配的滤波算法。本文探讨了卡尔曼滤波的原理和特点,设计了有效的滤波参数和滤波方程,并通过仿真验证了卡尔曼滤波对跟踪测量精度改善的有效性。     

一种极坐标下基于高斯过程的扩展目标跟踪方法

对于使用雷达系统的扩展目标跟踪,通常将原始测量值从极坐标转换为笛卡尔坐标,然后馈入估计器.但其转换测量期望值在目标真实方位上存在偏差.另外,测量误差协方差的计算取决于实践中不可用的真实状态.针对这一不足,本文提出了一种在概率数据关联框架下基于高斯过程的扩展目标跟踪方法.该方法首先,直接在极坐标中对测量函数进行建模,并求解出测量噪声协方差;其次,建立扩展目标的联合跟踪门对测量进行筛选,并获得测量新息;最后,计算关联事件概率并估计扩展目标的状态.仿真结果表明了该方法的有效性.     

仅有角测量的被动式机动目标跟踪

以往的被动式跟踪研究往往假定目标作匀速直线运动, 采用目标与跟踪站的相对距离和速度为状态变量, 因而相应的跟踪滤波器不能跟踪机动目标. 研究了仅有角测量的机动目标跟踪问题, 采用目标的位置、速度及加速度作为状态变量, 并对测量方程进行适当变换, 推导出一种伪线性机动目标自适应跟踪算法, 可用于单站或多站被动式机动目标跟踪. 大量的仿真研究表明了本算法的有效性, 其中多站跟踪比单站跟踪具有更高的精度、算法稳定性和快速收敛性.     

基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法

无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷。然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响。目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义。本文针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测。为了对误差进行补偿,本文提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰。经过目标跟踪仿真实验和对比,本文提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。     

自适应渐消有偏扩展卡尔曼滤波在目标跟踪中的应用

针对机动目标跟踪过程观测矩阵病态导致扩展卡尔曼滤波算法跟踪效果不佳的问题,提出一种自适应渐消有偏扩展卡尔曼滤波算法。该算法以扩展卡尔曼滤波为基本框架,并借鉴Gauss-Markov模型的思想以解决观测矩阵病态问题。算法根据状态估计均方误差最小条件求得有偏因子,以降低病态观测矩阵对滤波估计的影响;根据滤波发散判据提出一种新的渐消因子估计方法,以实时调整预测协方差矩阵,从而改善滤波增益并有效提高目标跟踪精度。仿真结果表明,改进算法比传统扩展卡尔曼滤波对目标跟踪的精度有较大提高,同时稳定性更好。     

基于HLA信号级火控雷达目标跟踪系统仿真

目标跟踪作为火控雷达的一种重要工作模式,同时是火控系统的首要任务.本文基于HLA构建了可扩展、可重用的火控雷达信号级目标跟踪仿真系统.依据火控雷达闭环、连续跟踪与自动测量特点,从信号级仿真出发,通过火控雷达跟踪系统中天线模块、接收机与信号处理模块、控制系统模块的有机结合,完成动态目标跟踪仿真过程.结果表明仿真系统能逼真有效完成火控雷达目标跟踪仿真,对火控雷达训练模拟系统设计与雷达电子战系统评估研究中有一定的参考价值.