机动目标自适应跟踪算法研究

为了克服“当前”统计模型自适应跟踪算法（CAF）跟踪匀速运动目标误差较大和跟踪加速机动目标速度与加速度估计误差和动态时延较大的缺陷,通过分析研究CAF算法,采用截断正态分布表征目标的机动加速度特性,考虑风速和加速度估计均值的影响,对机动加速度与方差自适应关系修正,自适应补偿过程噪声协方差矩阵,提出了一种改进的机动目标自适应跟踪算法。理论分析与仿真结果表明,该算法能够准确描述目标的各种机动情况,具有良好的跟踪性能和实际应用价值。     

基于CS-Jerk模型的改进机动目标跟踪算法

文中通过对CS-Jerk模型中的参数以及卡尔曼滤波的分析,提出了一种改进的CS-Jerk模型目标跟踪算法。该算法根据量测新息及其变化率,通过模糊推理机制自适应的调整"当前"统计Jerk模型的机动频率,接着利用强跟踪滤波器对运动模型进行滤波来弥补卡尔曼滤波器的不足。仿真结果表明,提出的改进CS-Jerk模型目标跟踪算法显著提高了原CS-Jerk模型在不同机动模式下对高机动目标的跟踪精度,验证了算法的合理性和可行性。     

一种用于仅有位置观测信息的机动目标跟踪滤波算法

在机动目标跟踪研究领域,"当前"统计模型自适应跟踪算法(ATS)在仅有位置观测信息的机动目标跟踪中具有一定应用价值。针对ATS算法中目标最大机动加速度为预设的常值,存在不能很好的适应各种机动情况的问题,对目标最大机动加速度进行实时自适应调整优化设计,使目标最大机动加速度以指数形式实时逼近加速度估值均值。改进后的滤波算法保持了原算法机动加速度的分布特性,提高了目标的跟踪精度。     

一种改进的变结构多模机动目标跟踪算法

变结构多模算法是最有效的机动目标跟踪滤波算法,其核心是模型集自适应策略。目前已提出的模型集自适应策略中,期望模式修正算法是跟踪精度较高。使用较广泛的算法,但该算法的计算负担大;可能模型集算法实现简单,但跟踪精度不及期望模式修正算法高。文中提出了可能模型一期望模式修正算法。精度较两算法都有提高,计算复杂度显著低于期望模式修正算法,与可能模型集算法相当。     

一种基于ARMA新息模型的机动目标跟踪算法

针对一般机动目标跟踪算法的复杂性和计算量大的缺点,提出了一种基于ARMA新息模型的改进稳态Kalman滤波算法.该算法选取极坐标系为跟踪坐标系,将反映径向加速度和机动角加速度的控制输入量引入到目标距离和方位的状态描述模型中,其计算量远远小于一般跟踪算法.仿真试验结果表明该算法满足机动目标跟踪的精度要求,可应用于机动目标的快速跟踪.     

一种全新的自适应机动目标跟踪算法

文中提出了一种以测量值和系统模型为"双中心"的局部平滑双航迹自适应算法.并利用VC++对一批雷达测量到的实际目标进行了比较处理,证明此算法在目标机动时比传统的自适应算法更具优越性.     

机动频率自适应的机动目标模糊跟踪算法

分析了基于＂当前＂统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整＂当前＂统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明：该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于＂当前＂统计模型的跟踪算法.     

一种实时的机动目标多模型跟踪算法

提出了一种实时的机动目标多模型跟踪算法。该算法包含两个并行的Kalman滤波器,分别为匀速Kalman滤波器和匀加速Kalman滤波器。定义了“滤波运动模型偏离度”作为模型切换的判据,在线实现了两个Kalman滤波器的自动切换,使总输出结果最大程度的符合实际运动模型。通过可调过程噪声的自适应方法,抑制了滤波发散,避免了在模型切换时误差跳变过大。仿真测试结果表明,该算法跟踪精度高,计算量小,因此适合在自行高炮的目标跟踪中使用。     

一种用于复合轴系统的机动目标跟踪算法

为了实现复合轴捕获、跟踪与瞄准(acquisition,tracking and pointing,ATP)系统对高机动目标的跟踪,文中提出了一种目标跟踪算法思路:利用子系统精度远高于主系统精度的特点,在主系统观测数据基础上再构建了一组精度更高的观测数据。采用不同的交互式多模型集对两组观测数据进行独立滤波,并对得到的两组估计量做自适应调节数据融合处理。通过MATLAB仿真验证了算法的有效性。此算法实现了以相对少的模型种类覆盖更复杂的运动模式,且运算量适中。     

模糊自适应机动目标跟踪算法

提出了一种模糊自适应机动目标跟踪算法.该算法首先通过新息进行机动发生与否及强弱的判断,进而由模糊推理系统给出了过程噪声的自适应调整,并提出了通过测量获得测量噪声特性的方法,使得测量噪声方差能准确地反映测量仪器本身的性质和环境的影响.通过仿真实验验证了该算法在目标发生机动时,能自适应调整过程噪声,对机动目标有效地进行跟踪,相比传统的卡尔曼滤波具有更小的跟踪误差.     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性．     

基于IPDA的机动目标航迹起始算法

文中提出了一种杂波环境中机动目标的自动航迹起始算法。该算法结合了目标存在的不确定性和目标动态模型的不确定性，运用了贝叶斯结构中的独立马尔可夫链，并将其性能与IMM—PDA与IMM-IPDA算法进行了比较。     

基于HMM机动目标跟踪算法研究

在交互多模IMM的基础上,利用时变马尔可夫链切换系数对模型进行切换,实现对未知状态转移概率的自适应调节,提高了对机动目标的跟踪精度.仿真结果表明,改进后的IMM算法比IMM算法的跟踪精度更高,具有全面自适应跟踪能力.     

高度机动目标Jerk模型及改进算法

针对Jerk模型常规算法跟踪Jerk机动时存在稳态确定性误差的固有缺陷,提出了Jerk模型改进算法。改进算法融合了Jerk模型及当前Jerk模型。Jerk模型描述弱Jerk机动,采用位置估计偏差和加速度变化率方差之间的关系调整系统噪声方差;当前Jerk模型描述强Jerk机动,采用修正瑞利分布描述加速度变化率方差统计特性。在滤波算法方面,引入模糊分布函数和强跟踪滤波器,改善了对弱Jerk机动的跟踪精度,并提高了对强Jerk机动的跟踪能力。理论分析和仿真结果表明,改进算法克服了Jerk模型常规算法的缺陷,能自适应地逼近不同强度的Jerk机动并进行准确跟踪。该算法在不同强度信号噪声比和不同量测噪声下,误差变化相对稳定,具有较好的跟踪精度。     

一种改进的机动目标“当前”统计模型的描述

讨论了机动目标加速度的“当前”统计模型问题。推导出基于修正瑞利分布的机动目标加速度的“当前”统计模型的适用范围。提出一种改进的机动目标加速度的“当前”统计模型描述。仿真结果表明,基于本文提出的机动目标加速度“当前”统计模型建立的机动目标自适应跟踪算法,其跟踪精度更佳。     

机动频率模糊自适应目标跟踪算法研究

在分析"当前"统计模型及自适应滤波技术基础上,提出了一种机动频率模糊自适应目标跟踪(FAMF)算法.通过模糊控制方法,在线调节"当前"统计模型的机动频率参数,使模型对不同的目标机动模式有更强的自适应能力.在想定初始条件下,对FAMF算法进行Monte Carlo仿真对比实验,结果表明:FAMF算法运行稳定,适应能力强,有效的提高了"当前"统计模型的跟踪性能,便于实际应用.     

一种机动目标调频步进雷达成像算法

针对低信噪比下机动目标的调频步进雷达成像问题,提出基于Radon-分数阶模糊函数(RFRAF)的方法进行积累成像的方法.在分析了机动目标的调频步进雷达回波信号特征的基础上,将目标回波信号在RFRAF域进行匹配和积累,通过峰值搜索出目标的运动参数,并构建补偿函数实现机动目标运动补偿,从而获得目标精确ISAR像.计算机仿真结果进一步表明了该方法能在低信噪比下稳健成像.     

基于"当前"统计模型的模糊自适应跟踪算法

基本的机动目标“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很好的跟踪,但是在跟踪弱机动目标时却存在较大的误差。针对这一问题,新算法中引入一种非线性模糊隶属度函数来自适应地调整目标加速度上下限,并从理论上分析了新算法对于弱机动目标跟踪的有效性。通过计算机仿真验证了新算法相对于基本“当前”统计模型及其自适应跟踪算法的明显优势。