修正的“当前”统计模型自适应跟踪算法

＂当前＂统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行较好跟踪,但对弱机动目标存在较大跟踪误差。针对这一问题,在推导传统＂当前＂统计模型适用范围的基础上,提出一种修正的＂当前＂统计模型算法。该算法用正态分布来弥补修正瑞利分布的缺陷,同时利用模糊隶属度函数对系统方差做加权调整。仿真结果表明,新算法较传统算法不仅提高了对弱机动目标的跟踪精度,对强机动目标的跟踪精度也有较大程度的提高。     

修正的当前统计模型及自适应跟踪算法

针对当前统计模型及其自适应算法对弱机动目标跟踪精度较低以及强机动发生时刻跟踪误差增大的缺陷,提出了一种修正的当前统计模型及自适应跟踪算法。一方面,利用指数函数对当前统计模型中加速度极值进行实时修正,从而提高了算法对弱机动目标的跟踪精度;另一方面,利用滤波残差调整预测协方差,同时对滤波结果发生较大偏差的上一时刻的滤波结果进行修正,从而提高了对强机动目标的适应能力。仿真结果表明,所提算法对弱机动目标和强机动目标都具有良好的跟踪性能。     

多基地雷达的大气折射误差快速修正

为对高机动目标进行大气误差实时修正,给出了一种折射误差的快速修正方法.针对只利用距离和信息进行定位的多基地雷达,结合联合定位和误差修正,得到了一种快速迭代算法.     

外测数据误差的高精度估计与分离方法

航天发射场火箭外弹道数据预处理主要完成原始测量数据随机误差和系统误差的修正,是后续进行航迹融合和目标识别的基础。为解决传统最小二乘方法难以对测量数据随机误差进行高精度估计的难题,本文提出利用小波变换的多层分解与重构技术对测量数据的随机误差进行统计和消除;并针对复杂模型下测量数据系统误差难以分离的难题,采用模型辨识和回归分析理论对系统误差进行模型分析和诊断的方法。仿真和实际应用证明新算法简单适用,可有效解决传统方法难于对测元误差进行准确修正的问题,大大提高参与融合求解的测元数据质量和弹道解算精度,在靶场外测数据预处理方面具有良好的应用前景。     

一种带机动检测的权值约束多新息修正算法

目标运动状态的突变会导致跟踪算法精度大幅降低。为了提高对目标机动阶段的跟踪性能,提出了一种带机动检测的权值约束多新息修正算法。首先,为了准确判断机动时机,提出了一种双误差椭圆的机动检测算法,通过设置双边门限,加强算法对机动的敏感度;然后,为了降低因延迟修正造成的机动误差,以预测量测与真实量测间的欧氏距离为基础,建立距离与权值间的映射关系,从而获得之前修正信息的权值以加大对之前隐含信息的利用率;最后,通过3种场景下的仿真分析说明所提算法的有效性,并经过与标准卡尔曼滤波及自适应渐消卡尔曼滤波的对比,证明所提算法在跟踪强机动目标及弱机动目标情况下均具有较高的费效比。     

一种精确跟踪机动目标的非线性滤波算法

在非线性系统中,最常用的是扩展卡尔曼滤波算法(EKF),当目标距离较远时,滤波器由于量测方程非线性的影响,误差较大。以机动目标“当前”统计模型为基础,建立新的机动目标模型,加入多普勒速度测量对补偿线性化误差的跟踪算法(PTLKF)进行改进。最后融入修正的加速度方差自适应算法对机动目标进行跟踪。仿真结果表明:在非线性观测条件下,改进的PTLKF算法和修正的加速度方差自适应算法的融合可以有效地改善跟踪的效果,并且其计算量明显小于强跟踪滤波算法。     

基于高阶累积量的目标机动检测新方法

机动检测是多模型目标跟踪中的一个关键问题.在卡尔曼滤波中,当目标机动被噪声淹没时,传统的机动检测算法将失效,多分辨方法虽然能够有效地抑制噪声,可靠检测机动,但由于计算复杂导致严重的检测延迟,从而限制了它的应用.本文提出一种基于三阶累积量的机动检测新算法,它有效地克服了上述二者的缺陷.由于高阶累积量能够抑制高斯噪声,因此在三阶累积量域易于检测机动.同时通过采用逐点更新法,可实时进行机动检测.仿真结果表明,该算法优于传统算法和多分辨方法,特别是在低信噪比的情况下.     

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

卡尔曼动态规划机动目标检测前跟踪方法

针对传统动态规划算法,由于转移步长固定、在检测机动目标时性能较差的问题,提出了针对转弯运动等机动目标的卡尔曼动态规划算法,该算法利用卡尔曼滤波中的状态预测步骤来自适应改变动态规划算法中的转移步长,以此来避免在检测转弯运动目标时传统动态规划算法由于转移步长不变而造成的转移步长与目标速度失配的问题。根据对该算法的目标状态估计误差分析结果,文中给出了一种误差补偿方法。仿真结果显示,在检测转弯运动目标时该算法在误差补偿后具有优异性能。     

一种改进的扩展卡尔曼滤波

针对机动目标跟踪中目标发生状态突变和运动模型不匹配时扩展卡尔曼滤波精度降低或发散的问题,提出一种根据新息矩阵的范数判断滤波是否应该修正,并通过修正一步预测值来提高滤波精度的算法。该算法使用新息矩阵和量测误差矩阵来判断滤波是否稳定,在滤波精度降低甚至发散的情况下通过修正一步预测值来提高滤波精度。该算法计算量小,实时性强。仿真结果表明,该算法能够根据新息实时调整,且滤波精度较高。     

机动目标跟踪时组网机会阵雷达功率分配算法

针对机动目标的高动态属性导致雷达系统不能精确地分配系统资源问题,本文提出了一种基于改进的当前统计模型的组网机会阵雷达功率分配算法。该算法通过改进的当前统计模型预测机动目标运动状态,采用预测的条件克拉美罗界作为功率分配时目标跟踪性能的衡量基准。针对目标信息的不确定性,引入随机变量表征目标RCS,建立基于机会约束规划的功率资源分配模型,并设计混合智能优化算法求解满足机会约束的最优功率分配。仿真结果表明,预测的条件克拉美罗界能够提供一个更加精确的跟踪性能衡量边界,该算法能够有效提高雷达系统资源利用率。     

多模型粒子滤波在机动目标跟踪中的应用

针对在非线性机动目标跟踪中存在的滤波器易发散,跟踪误差大等问题,在双机协同跟踪的基础上,提出了利用交互式多模型粒子滤波(IMMPF)对空中机动目标进行跟踪的算法。该算法将粒子滤波和交互多模型有效结合,基本解决了非线性机动目标跟踪中存在的问题。通过仿真表明,与扩展卡尔曼滤波(EKF)和交互式模型扩展卡尔曼滤波(IMMEKF)相比,IMMPF能够降低跟踪误差,提高收敛速度,且有很强的鲁棒性。     

基于IGRFT的机载双基地雷达高速目标信号相参积累方法

机载雷达观测高速机动目标,能够有效克服地物遮挡、地球曲率等不利因素干扰,具有探测范围广、灵敏度高、机动性强等诸多优势。但在实际飞行过程中,由于受到气流等外界因素的影响,机载雷达不可避免会受到运动误差的影响;同时,由于目标的高速机动性,观测时间内会发生跨距离走动与跨多普勒走动,导致传统的相参积累方法失效。为此,本文提出了一种基于改进广义拉东傅里叶变换（Improved Generalized Radon Fourier Transform,IGRFT）的机载双基地雷达运动误差补偿与信号相参积累处理方法,通过对等效运动参数和运动误差参数的联合搜索,可以同时补偿目标的距离/多普勒走动以及机载平台的运动误差,进而实现回波信号的能量相参叠加,提升回波信噪比。仿真结果表明,该方法能够显著提高存在运动误差下的目标积累检测性能。     

一种精确协方差估计的转换量测卡尔曼滤波方法

传统转换量测卡尔曼滤波(CMKF)方法对误差协方差矩阵进行估计时,采用了线性近似的方式。当量测方位误差较大时,无法准确估计出协方差矩阵。针对该问题,提出了一种基于精确协方差估计的CMKF方法,可有效抑制方位误差对协方差估计的影响。仿真结果表明该方法可有效抑制量测方位误差的影响,提升目标跟踪的定位精度。     

一种H∞次优滤波模糊跟踪器的设计与仿真

针对目标做高机动运动时跟踪误差增大的问题,提出了一种基于H∞次优滤波器的模糊鲁棒跟踪器。该跟踪器利用日。次优滤波器的鲁棒性以快速减小由于目标机动产生的估计误差,实现对机动目标（尤其是高机动目标）的快速跟踪。同时,应用一系列的模糊规则在线自适应调整日。次优滤波器的过程噪声协方差矩阵,使得该跟踪器可以精确跟踪非机动目标和机动目标。仿真结果表明,该跟踪器对机动目标和非机动目标的跟踪效果均很好,并且在目标从非机动到机动切换时,能够快速减小跟踪误差。     

提高雷达机动目标检测性能的二维频率域匹配方法

 增加目标信号的积累时间是提高雷达对微弱目标探测能力的主要方法.但是,对于高速运动目标,在长时间相参积累期间,目标回波信号容易产生距离徙动和多普勒走动,若不进行补偿,目标信号能量不能有效积累.传统基于keystone变换的方法仅适用于目标作匀速运动的情形,当目标作机动运动时,距离弯曲不能通过keystone变换进行校正.针对目标作匀加速运动,且高速目标存在多普勒模糊情况,本文提出一种二维匹配滤波新方法,该方法将脉冲压缩后的目标回波转换到距离-多普勒二维频率域,通过构造一补偿函数进行匹配滤波处理.该方法不需要知道目标运动速度参数,由目标径向速度引起的距离走动和径向加速度引起的距离弯曲均能得到很好的消除,另外,所提算法可以有效地利用快速傅里叶变换实现而无需进行插值操作,运算量小.仿真结果表明本文方法具有良好的高速机动目标积累检测性能.     

基于红外辐射信息的IRST系统机动目标跟踪算法

传统的IRST(红外搜索与跟踪)系统是一个仅有角测量的系统,对于目标距离是不可观测的。文中增加了红外探测器对目标红外辐射的响应信息这一测量项,使其成为一个距离可观测系统,并在此基础上,建立了目标的观测模型,推导出了机动目标跟踪的EKF跟踪算法。通过跟踪一个机动目标的仿真过程,对算法性能进行了检验,结果表明：本算法对机动目标能进行有效的跟踪,而且跟踪精度也是令人满意的。     

基于多模粒子滤波的机动弱目标检测前跟踪

检测前跟踪技术是低信噪比环境下目标检测与跟踪的有效方法。该文针对目标作复杂运动的情况,提出了机动弱目标检测前跟踪的多模粒子滤波算法。该算法在目标状态矢量中增加了表示目标存在与否以及目标运动模型的变量,采用粒子滤波实现了包含两个离散变量的混合滤波过程。仿真试验表明,该算法在经典跟踪方法难以发挥作用的低信噪比条件下,能够有效实现机动目标的检测与跟踪。     

Maneuvering target tracking by adaptive statistics model

A good model can extract useful information about the target’s state from observations effectively. There are many models used to tracking a, maneuvering target such as constant-velocity (CV) model, Singer acceleration model (zero-mean first-order Markov model) and current model (mean-adaptive acceleration model), etc. While due to the complexity of maneuvering target, to seek the target model which can get better performance is still a subject worthy of study. Based on statistics relation between the autocorrelation function and the covariance of Markov random processing, this paper develops a model which can adaptively adjust system parameters on line. Simulations show the good estimation performance get by the model developed here, and comparing CV, Singer and current models, the model can adaptively get the model parameter while tracking the trajectory and needn’t doing several tests to obtain a priori parameter.