基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型（FL-IMM）多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统（FFS）将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。     

基于IMM模型的周期性跳跃运动高超声速飞行器跟踪算法?

通过对临近空间高超声速飞行器的受力分析,建立了其周期性跳跃运动的数学模型,仿真分析了其运动特性;提出了一种加速度均匀变化的运动模型(constant differential of acceleration,CDA),并与CV模型、CA模型交互,使用引入强跟踪滤波器的交互式多模型算法对周期性跳跃运动进行跟踪研究。结果表明,该跟踪算法比经典IMM算法有更好的跟踪精度。     

自适应交互式多模型目标跟踪算法

以防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法。该算法采用后验信息修正模型的噪声方差和马尔可夫转移矩阵,使IMM具有自适应能力。将该算法应用于由CA、CV两模型组成的交互式多模型算法中取得良好的效果。仿真结果表明,该算法跟踪精度比标准IMM有较大改善。     

改进的交互式多模型粒子滤波目标跟踪算法

针对现有的交互式多模型粒子滤波算法存在粒子退化现象,跟踪性能不高,计算量大影响跟踪的实时性等问题,采用改进的残差重抽样算法,并在滤波前后,对各模型粒子进行输入输出交互运算,得出一种改进的交互式多模型粒子滤波目标跟踪算法。该算法在解决了粒子退化现象的同时,避免了残留粒子重采样问题,在一定程度上降低了计算量,减小了系统估计误差,提高了跟踪性能。通过仿真,验证了该算法的良好性能。     

基于遗传优化的模糊交互式多模型目标跟踪算法

针对交互式多模型方法存在模型覆盖面不足和子模型间恶性竞争的问题,设计了一种基于遗传算法和模糊推理的智能优化模糊交互式多模型方法,该方法通过对模型集的自主寻优,能够实现任意时刻在最优模型集下的跟踪,通过建模仿真,在与传统的交互式多模型的比较中发现,使用该模型后目标跟踪误差显著减小,该算法具有较高精度及稳定性。     

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。     

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.     

反舰导弹跃升俯冲过程的自适应跟踪研究

针对反舰导弹跃升俯冲机动过程进行跟踪时,固定模型集合难以精确匹配实际过载系数,影响跟踪性能的问题,应用自适应网格法进行跟踪.在跃升俯冲攻击弹道模型的基础上,当过载系数未知时,应用自适应模型集交互式多模型算法,并进行仿真计算分析.结果表明:该算法可准确跟踪过载系数的变化趋势,实时自适应调整各模型中的过载系数,使模型集合向实际运动模式收敛,跟踪精度优于固定模型集合的交互式多模型算法.     

基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪

针对交互式多模型粒子滤波算法（IMMPF）的精度不高,算法更新时间长,难以满足静电机动目标跟踪要求的问题,提出了一种新的基于模糊控制的交互式多模型粒子滤波算法（FIMMPF）。该算法先利用模糊控制方法实现实时调整交互式多模型算法中的转换概率矩阵,使与目标当前运动状态最接近的运动模型在混合产生这一采样时刻的初始状态向量里占有更大的比重。同时,为了提高基本粒子滤波算法的精度,减小算法更新时间,再利用中心差分扩展卡尔曼滤波算法产生基本粒子滤波的建议分布函数,实现对目标运动状态的更新。理论分析和仿真结果表明,所提出的算法能够以更高的定位精度,更小的计算量实现对静电机动目标的跟踪。     

基于改进截断正态概率模型的机动目标跟踪算法

机动目标模型是水下目标跟踪的关键,在分析截断正态概率密度模型的基础上,利用前2个时刻的观测值与状态估计偏差,对该模型机动加速度与其方差的自适应关系重新进行修正,给出了一种基于改进截断正态概率密度模型的机动目标跟踪算法.该算法避免了加速度极限值的预先设定问题,从而提高了对机动目标状态估计的精度.仿真结果表明,该算法在跟踪水下机动目标时具有良好的跟踪性能.     

基于交互式多模型的弹道导弹跟踪

弹道导弹飞行主动段和自由段的运动学模型差别很大,在未准确知道导弹关机点时间先验信息前提下如何对弹道导弹主动段到自由段进行连续跟踪已成为目前亟待解决的问题.针对该问题,提出了一种实时交互多模型跟踪算法,根据弹道导弹主动段和自由段不同受力情况建立相应的跟踪模型.该算法包括两个滤波器:一个为对主动段跟踪效果比较好的CA-EK...     

基于改进黑猩猩算法的弹药装填轨迹规划

以弹药装填机器人为研究对象,针对弹药装填机器人关节空间的时间最优轨迹规划,提出了一种基于改进黑猩猩算法的时间最优轨迹规划算法。通过逆运动学求出弹药装填机器人的关节空间路径插值点,采用3-5-3多项式插值构造弹药装填机器人轨迹,建立以时间最优为目标的目标函数,再与其他同类型算法进行比较,对比结果显示,采用改进黑猩猩算法求解精度更高,收敛速度更快。在速度约束条件下,基于改进黑猩猩算法进行轨迹优化,得到平滑的机器人位置、速度和加速度曲线。结果表明,采用改进黑猩猩算法进行弹药装填机器人轨迹规划,能够缩短机器人的装填时间,提高机器人的装填效率。     

基于小波包变换的多传感器跟踪算法

文中提出一种基于小波包变换的多传感器跟踪算法,与基于小波变换的跟踪滤波算法相比,文中的算法避免了高阶矩阵运算,有效地解决了数据过长的问题,简化了滤波过程,并且不需要考虑小波系数的噪声特性,有较好的滤波性能。     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

基于期望系统噪声模型的自适应机动目标跟踪

对于机动目标跟踪问题,由于目标机动能力的增强,使建立的目标模型与目标的实际运动失配。为解决这个问题,需建立大量模型来逼近真实模式。但这使计算量增大,而且性能不一定能提高。本文提出基于期望系统噪声模型的自适应交互式多模型(IMM)算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声模型。对目标机动运动的Monte-Carlo仿真结果表明,本算法对机动目标的跟踪精度比标准IMM算法有较大改进,且计算量适中。     

改进型自适应滤波算法在目标跟踪中的应用

针对标准卡尔曼滤波在滤波数学模型与实际过程的数学规律不匹配,滤波特性较差的情况,提出了一种改进型的自适应卡尔曼滤波方法,并将其应用到目标跟踪中。仿真结果表明,与标准的卡尔曼滤波相比,其跟踪精度有了较大提高。     

基于粒子群算法的网络化子弹药协同攻击策略

针对原有攻击策略研究成果存在计算量较大、实现复杂、无法在实时性要求很高的网络化弹药上应用的问题,提出了基于粒子群算法的网络化子弹药协同攻击策略。该策略依据网络化子弹药攻击后即毁的特点,建立了满足不重复不遗漏协同攻击的决策模型,并提出了变权重系数的粒子群算法求得变量互异约束条件下的最优解。仿真计算表明,提出的方法可以快速地找到满足变量互异约束条件的最优解,从而可以有效地解决网络化子弹药协同攻击问题。     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

改进的模型集自适应变结构多模型算法

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。     

基于改进自适应IMM算法的机动目标跟踪

文中提出了一种改进的跟踪机动目标的自适应IMM（AIMM）算法,采用协同转弯运动模型作为目标的机动模型,通过估计目标的角速度,并在估计参数值的周围选择数量一定的模型组成模型集来覆盖目标所有可能的运动模式,采用交互模型算法进行状态估计;应用变结构思想,将模型之间的切换理解为随机有向图,并综合利用前一时刻模型的后验概率和当前时刻模型的预测概率,计算模型之间的转移概率,从而能够根据目标（转弯）机动的情况,自适应地建立IMM算法的可变模型集。仿真结果表明,改进的AIMM算法的跟踪精度有了较大的改善,算法也更加平稳。