基于逻辑切换的改进强跟踪卡尔曼滤波器

针对线性随机系统提出了一种改进强跟踪卡尔曼滤波器(MSTKF).通过改变强跟踪滤波器的多重时变渐消因子,MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换.当卡尔曼滤波不能有效跟踪突变状态时,MSTKF切换为可变弱化因子的强跟踪滤波.数值仿真实例显示了本方法的有效性.     

用单片机实现的自适应载波跟踪环

本文在介绍了8097BH单片机及自适应环的基础上,介绍、设计、安装、调试了自适应三阶载波跟踪环的硬件以及相应的软件编制。     

强跟踪自适应滤波器实现机动目标的精确跟踪

机动目标状态估计中的一个主要问题是:目标运动的突变性导致状态噪声无法进行统计预测.传统的EKF将噪声看成是高斯白噪声有着本质上的不足,因而无法实现稳定的跟踪.引入Sage-Husa滤波算法对有色噪声进行在线的估计,一定程度上弥补了目标运动模型不够合理的缺憾.在此基础上,从系统容错设计基本原理出发,用归一化残差功率法实时地检测可能出现的数值发散现象,一旦检测到发散,印通过一种改进的强跟踪自适应滤波器进行抑制,有效地提升了滤波的健硕性,实现了稳定跟踪.最后,针对高机动目标的运动特性,仿真验证采用变维滤波模型,用EKF对目标的简单机动进行跟踪,只有目标运动突变时才采用本文提出的算法,以提升计算的实时性.仿真结果表明此算法对高机动目标的跟踪是有效的.     

卡尔曼时延值滤波器

介绍一种已用于水下被动跟踪的卡尔曼时延值滤波器,并给出了其滤波性能和跟踪能力的实验结果。     

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。     

转换坐标卡尔曼滤波器的雷达目标跟踪

本文在三维空间中推导出转换坐标卡尔曼滤波算法,用此算法进行了雷达目标跟踪仿真,和用推广的卡尔曼滤波算法进行的仿真结果进行了比较,得出转换坐标卡尔曼滤波算法比推广的卡尔曼滤波算法精度高的结论。     

一种低复杂度GPS载波跟踪环路设计

 GPS接收机载波跟踪环路的鉴别器和滤波器设计决定了跟踪环路的性能,也在很大程度上决定了GPS接收机的性能.本文在分析了传统锁相环和锁频环鉴别器算法的基础上,提出了一种锁相锁频环共用四象限反正切函数单元的鉴别器算法;同时,在研究了基于双线性Z变换积分器与矩形波数字积分器的滤波算法基础上,提出了一种基于矩形波数字积分器的锁频环辅助锁相环的滤波器算法.综合这两种新算法给出一种低复杂度的GPS接收机锁相锁频环设计方法.通过理论分析与仿真实验,证实该GPS载波跟踪环路设计不但具有良好的跟踪性能,且与传统设计方案相比具有运算量小,复杂度低,占用资源少等优点,更易于工程实现.     

具有输入信号的自适应跟踪滤波器

针对导弹在被动段自由飞行的状态,提出了一种有效的基于输出残差的自适应跟踪滤波器.首先给出了飞行状态方程,其次利用输出残差给出了Kalman滤波增益马尔可夫参量估计,并且得到了Kalman滤波增益估计,解决了自适应跟踪滤波器问题.仿真结果说明了此方法的有效性.     

卡尔曼跟踪滤波器的一种改进的运动模型

传统的卡尔曼跟踪滤波器都以匀速(cV)或匀加速(cA)运动作为目标运动模型,其模型固有的误差限制了跟踪精度的进一步提高。本文提出了一种保持目标推进力与速度方向成固定夹角的运动模型,在保持直线运动跟踪精度不变的条件下,使一般曲线运动跟踪精度向直线运动跟踪精度水平逼近。     

基于双重扩展卡尔曼滤波器的共轴跟踪技术研究

为了解决光电经纬仪由于机动目标运动模型不准确而引起的跟踪精度下降的问题,采用了单隐层前向神经网络(SLFNs)进行建模,提出了基于状态参数双重扩展卡尔曼滤波估计的共轴跟踪控制技术。仿真与实验结果显示,对83.33sin0.6t的等效正弦目标的速度估计最大误差为0.070 9()/s,跟踪精度为2.42';对旋转周期为4.5 s的光学动态靶标的跟踪精度达到2.96'以内。由此可见,所建立的模型与机动目标实际模型匹配,双重扩展卡尔曼滤波器(DEKF)能快速跟踪和估计状态参数。与传统控制方法相比,提出的方法具有更高的跟踪能力,能有效提高系统的跟踪精度。     

机动目标自适应跟踪滤波器设计

采用非零均值相关加速度模型建立火控系统中的Kalman滤波器。通过对残差滤波,建立了新的机动检測器,并由此对机动加速度方差进行调整,从而实现对机动目标的自适应跟踪。文中引入了瞄准线直角坐标系,使Kalman滤波器解耦以减小计算量。仿真的结果表明,所提出的滤波器对机动目标有良好的跟踪性能。     

渐进扩展卡尔曼滤波器

渐进贝叶斯方法将贝叶斯更新步骤等效为伪时间上的连续演化过程,以实现对状态的后验估计.本文基于渐进贝叶斯框架,导出一种新的高斯型非线性滤波算法.在线性高斯条件下推导了渐进贝叶斯方法的精确解;证明了对于由线性高斯解确定的动态系统,其均值和协方差矩阵满足的微分方程与常数状态估计的Kalman-Bucy滤波器是一致的.对于非线性系统,利用一阶Taylor展开推导了近似解表达式,进而导出渐进扩展卡尔曼滤波器.仿真算例表明新滤波器性能较扩展卡尔曼滤波器有大幅提高,且避免了窄形似然函数带来的滤波性能恶化问题.     

基于扩展卡尔曼滤波器的矢量跟踪算法研究

该文针对矢量跟踪算法缺乏定量分析的问题,对线性化模型与跟踪误差进行了研究.为了提高矢量跟踪环的动态跟踪性能,修正了已有线性化观测矩阵忽略接收机伪距率对位置的偏导项的问题;提出了新的环路反馈量,简化了运算过程.推导出了矢量跟踪环的热噪声跟踪误差,与标量跟踪环相比跟踪门限明显降低,并且在相同条件下,观测卫星数越多,矢量跟踪环的跟踪门限越小;推导了矢量跟踪环的动态应力跟踪门限,证明矢量跟踪环可以处理高动态微弱信号.通过 Monte Carlo 仿真验证了理论分析结果的正确性.     

强跟踪Unscented滤波器及其在无源跟踪中的应用

本文研究用递推算法实现只测量到达角和多普勒频移的无源双基地雷达的目标运动分析。基于Unscented卡尔曼滤波器和强跟踪滤波器,提出了一种新的强跟踪Unscented滤波器算法。新算法在无源双基地雷达目标跟踪的仿真实验中显示了高精度鲁棒滤波的性能。     

多传感器导航系统中的联合卡尔曼滤波器

本文介绍了可适用于多传感器导系统的联合卡尔曼滤波器，基于信息共享原理的联合滤波技术是一种两步数据处理算地，在降低数据处理速度，实时控制和容错等方面具有显著的优越性。     

改进的当前统计模型及自适应跟踪算法

对于机动目标跟踪问题,在当前统计（CS）模型的基础上,提出了一种新的机动目标自适应跟踪算法。通过引入强跟踪滤波器（STF）的渐消因子,增强了模型对目标突发机动的自适应跟踪能力,同时针对模型对目标加速度极限值的依赖性这一缺点,引入一种利用位置估计值与加速度的函数关系自适应调整加速度方差的方法,提高了对弱机动和非机动目标的跟踪能力。仿真结果表明,该算法与标准的当前统计模型滤波算法相比具有较高的跟踪精度。     

基于卡尔曼滤波器的运动目标跟踪算法

为了有效解决运动目标遮挡时目标信息容易丢失从而导致跟踪失败的问题,提出一种基于卡尔曼滤波器的运动目标跟踪算法。该算法首先利用高斯混合模型的背景差分法,结合空间邻域的相关性信息得到运动目标图像,然后通过建立帧间关系矩阵将跟踪情况分为5种状态分别进行处理,这5种状态是新目标出现、目标匹配、目标遮挡、目标分离和目标消失。采用卡尔曼滤波器预测目标参数,建立目标在下一帧中的预测信息。当运动目标相互遮挡时,在卡尔曼滤波器预测区域内采用交叉搜索法实现多个运动目标的精确匹配。通过多个视频序列测试,该算法能够获得良好的跟踪结果。     

三状态卡尔曼滤波器的解析稳态解

对于只有位置测量值的离散卡尔曼——布西滤波器,本文给出了它的闭式稳态解。通过对维纳和卡尔曼滤波算法的比较得到了本文所述的方法,所得出的结果可以给出先验的跟踪性能,从而在最初的设计中是有用的。