基于交互式多模型强机动目标被动跟踪算法

研究目标跟踪精度问题,针对单站被动跟踪是非线性不可观系统,容易导致滤波器发散和估计结果的不唯一.在满足系统的可观测性条件下,提出了一种改进的Bayes框架下的次优估计交互式多模型无迹卡尔曼滤波(IMM-UKF)算法.在目标做强机动时,由于滤波残差特性变换影响IMM-UKF算法的跟踪精度,引入带有机动检测环节的交互式多模型IMM-UKF算法,在目标作强机动时改善了常规IMM-UKF算法失效状况,并提高了跟踪精度.仿真结果表明,算法具有较好的收敛速度和跟踪精度.     

基于改进“当前”统计模型的非线性机动目标跟踪算法

＂当前＂统计模型算法对目标加速度极限值及机动频率的依赖性这一缺点,导致该算法在跟踪弱机动目标及高机动目标时,跟踪性能会明显恶化.本文在当前统计（CS）模型的基础上,通过加权一个以残差方差的迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,实现了对＂当前＂统计模型的改进;同时,采用UKF（unscented Kalman filter）对非线性目标进行跟踪滤波,构造出基于改进＂当前＂统计模型的非线性机动目标跟踪算法,仿真结果表明,改进的＂当前＂统计模型不仅保留了＂当前＂统计模型跟踪算法对一般机动目标跟踪精度高的特点,而且对弱机动目标跟踪也具有更优越的性能,大大扩大了机动跟踪范围.     

一种基于动态规划的机动目标检测前跟踪方法

针对传统动态规划检测前跟踪算法仅适用于匀速直线运动目标或慢机动目标的局限性,提出了一种将交互式多模型(IMM)滤波与基于动态规划的检测前跟踪算法相结合的机动目标处理算法。该算法应用于近程毫米波雷达探测环境下,根据被测目标的实际运动情况建立了匀加速运动、匀速转弯运动及匀速运动模型,在动态规划算法基础上考虑了多种运动模型以及模型之间的转换和预测,避免了因模型不匹配导致的跟踪效果变差的问题。仿真结果显示,相比于传统动态规划检测算法,该算法能够更加有效地实现对机动目标的检测和跟踪,适于工程应用。     

基于当前统计模型的改进粒子滤波算法

基于“当前”统计模型,提出了双站无源被动跟踪的改进粒子滤波算法．该算法使用扩展卡尔曼滤波提议分布的粒子滤波,融合双站测量数据,包含了残差重抽样步骤以及马尔可夫链蒙特卡罗法等技巧．在双站测量的被动跟踪试验中,比较了各种滤波方式．仿真结果证实,该改进算法能有效跟踪高度机动的目标．     

用于机动目标跟踪的多模型高斯混合概率假设密度滤波器

提出一种多模型高斯混合概率假设密度(PHD)滤波器的实现方法.该算法使用多模型方法对高斯混合PHD滤波器中存在目标对应的高斯分量进行预测及更新,使用融合估计后的估计值描述机动目标PHD分布的高斯分量.该算法具有PHD滤波器和多模型方法的优点,可以用来处理目标数未知时的机动目标跟踪问题.该算法与单模型高斯混合PHD滤波器相比,可提高滤波器对目标发生机动时的跟踪精度;与已有的多模型PHD滤波器相比,节省计算时间30％以上.     

高超声速强机动目标改进IMM-CKF跟踪算法

高超声速强机动目标的运动具有复杂性、突变性和强非线性特点,针对单模型算法难以实现对此类目标的精确跟踪,提出一种改进的交互多模型(IMM)算法,克服了单模型算法跟踪强机动目标的缺陷和标准IMM算法对似然函数计算不准确的问题,实现了不同子模型之间的变维交互;采用容积卡尔曼滤波(CKF)算法实现了雷达观测数据与目标状态量之间的高精度非线性转换.仿真结果表明:改进的IMM算法相比单模型算法和标准的IMM-CKF算法,明显提高了高超声速强机动目标的跟踪精度.     

基于PF-Singer的机动目标跟踪算法

Singer模型是典型的全局统计模型,其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计1只有当目标做匀速直线运动时,动态误差的稳态值才为零,否则不为零;采用PF—Singer算法对机动目标进行跟踪。能够有效解决传统Singer模型存在的问题,提高其跟踪精度;通过仿真试验证实了该算法的有效性。     

新的分布交互式多模型广义概率数据关联算法

为有效解决密集杂波环境下分布式多传感器多机动目标跟踪问题,提出了一种基于改进D-S证据组合规则的分布交互式多模型多传感器广义概率数据关联（DIMM-MSGPDA-IDS）算法。该算法首先对各局部节点均应用单传感器的IMM-GPDA算法跟踪多机动目标,并将其各模型的状态估计、协方差估计、模型概率、组合新息及其协方差矩阵等滤波结果送至融合中心;在航迹关联判决结束后,融合中心根据各模型对应似然函数的大小融合不同传感器关于同一目标的模型状态估计及其协方差矩阵,并提出利用三维（3-D）证据进行直接融合的改进D-S算法对来源于同一目标的不同传感器的各模型概率进行有效融合,然后依此概率来更新各目标的状态估计并反馈至各局部节点,使之获得更为精确的状态预测;最后,将该算法与基于D-S证据组合规则的分布交互式多模型多传感器联合概率数据关联（DIMM-MSJPDA-DS）算法进行仿真对比分析。理论分析和仿真结果表明,该算法能够很好地对强机动目标进行跟踪,且其计算量相对较小,是一种有效的分布交互式多模型多传感器多机动目标跟踪算法。     

基于强跟踪滤波器的交互式多模型算法

针对传统的EKF-IMM算法鲁棒性较差等问题,提出了一种基于强跟踪滤波器（STF）的交互式多模型算法。该算法通过引入强跟踪滤波器（STF）的渐消因子,实现了对滤波器增益的实时调节,从而提高了系统对机动目标的自适应跟踪能力和跟踪精度。仿真结果表明,在目标不发生机动时,该算法和EKF-IMM算法的跟踪效果相近,在目标发生强机动时,该算法在径向速度和方位角的跟踪精度要优于EKF-IMM算法;提出的算法具有更优的机动目标跟踪性能。     

“低慢小”目标的雷达与光电复古探测跟踪方法

针对单一探测方式难以对“低慢小”目标进行全天候探测与跟踪，采用雷达与光电的主被动复合探测技术，结合两者的优势，提高定位精度，实现脉冲多普勒雷达扫描探测引导光电系统精跟踪。首先利用四元数法建立雷达坐标系与光电坐标系的空间配准模型，雷达与光电系统空间配准后，光电接收到目标位置信息视场自动转向目标；当雷达与光电探测到同一目标，通过最小二乘法将雷达与光电探测目标数据进行加权时间配准，最后将配准后的数据采用扩展卡尔曼滤波交互多模型算法(EKF-IMM)进行滤波预测，改善复合探测系统能持续跟踪能力，同时对目标在不同运动状态下具有强适应性。仿真与实验分析表明通过复合探测的方法实现对目标进行探测跟踪，利用EKF-IMM算法降低了噪声干扰，提高了目标跟踪能力及精度，其精度较传统模型提高了7%左右。     

基于强跟踪滤波器的MACA-MIE 模型及跟踪算法

结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能.     

BAT弹药对声目标跟踪的仿真研究

BAT子弹药声探测系统是一种运动声阵列,在随弹体做六自由度运动的过程中实时对目标定向.针对运动声阵列仅有角度信息的条件下对目标跟踪问题,用计算机仿真的方法研究了方向误差、高度误差对目标跟踪的影响.首先建立了运动声阵列定向模型,然后在仅有目标角度信息的条件下提出了运动声阵列对目标的跟踪模型,最后用计算机仿真的方法对跟踪模型进行了仿真研究.结果表明:未知弹体抛洒高度时运动声阵列对目标的跟踪需要很高的测向精度,在已知弹体抛洒高度的条件下,则声阵列定向精度能够满足跟踪要求,且跟踪算法简单、收敛软快.     

The structured total least squares algorithm research for passive location based on angle information

Based on the constrained total least squares (CTLS) passive location algorithm with bearing-only measurements, in this paper, the same passive location problem is transformed into the structured total least squares (STLS) problem. The solution of the STLS problem for passive location can be obtained using the inverse iteration method. It also expatiates that both the STLS algorithm and the CTLS algorithm have the same location mean squares error under certain condition. Finally, the article presents a kind of location and tracking algorithm for moving target by combining STLS location algorithm with Kalman filter (KF). The efficiency and superiority of the proposed algorithms can be confirmed by computer simulation results.     

无人机动态空中对准算法及性能仿真研究

关于无人机导航精度优化问题,高空长航无人机航行时间长,而惯导误差随时间积累,所以长航时无人机在进入目标区域进行SAR(合成孔径雷达)侦察时产生导航误差,不能满足匹配要求,所以必须进行空中对准,以提高导航系统精度。为了有效提高对准的精度,明确载体机动对对准效果的影响,设计了高空长航无人机机动对准方案,在建立SINS/GPS速度和位置组合模式的卡尔曼滤波器模型的基础上,综合分析比较了不同机动方式对对准效果的影响。仿真结果证明,在速度位置组合模式下,"S"机动方式对空中对准的效果改善最大,且机动强度对对准效果也有影响;仿真结论为后续研究无人机长航时保持惯导精度提供重要参考依据,对提高组合导航性能具有重大意义。     

A switched IMM-Extended Viterbi estimator-based algorithm for maneuvering target tracking

This paper presents a new algorithm for tracking a maneuvering target modeled as a class of Markov jump linear systems. The proposed algorithm consists of two interacting multiple model-extended Viterbi (IMM-EV) algorithms, coupled with proposed detection schemes for maneuver occurrences and terminations as well as for switching initializations. Combined performance strengths of the two IMM-EV algorithms are utilized via switching from one IMM-EV algorithm to the other. Appropriate design parameter values are derived for the detection schemes of maneuver occurrences and terminations. The results demonstrate that the proposed algorithm can be a viable alternative to several well-known tracking methods.     

Tracking a maneuvering target using neural fuzzy network

A fast target maneuver detecting and highly accurate tracking technique using a neural fuzzy network based on Kalman filter is proposed in this paper. In the automatic target tracking system, there exists an important and difficult problem: how to detect the target maneuvers and fast response to avoid miss-tracking? The traditional maneuver detection algorithms, such as variable dimension filter (VDF) and input estimation (IE) etc., are computation intensive and difficult to implement in real time. To solve this problem, neural network algorithms have been issued recently. However, the normal neural networks such as backpropagation networks usually produce the extra problems of low convergence speed and/or large network size. Furthermore, the way to decide the network structure is heuristic. To overcome these defects and to make use of neural learning ability, a developed standard Kalman filter with a self-constructing neural fuzzy inference network (KF-SONFIN) algorithm for target tracking is presented in this paper. By generating possible target trajectories including maneuver information to train the SONFIN, the trained SONFIN can detect when the maneuver occurred, the magnitude of maneuver values and when the maneuver disappeared. Without having to change the structure of Kalman filter nor modeling the maneuvering target, this new algorithm, SONFIN, can always find itself an economic network size with a fast learning process. Simulation results show that the KF-SONFIN is superior to the traditional IE and VDF methods in estimation accuracy.     

基于UKF的闪烁噪声机动目标跟踪

闪烁噪声下的机动目标跟踪是一个非线性非高斯系统滤波问题,传统的卡尔曼理论很难保证其跟踪精度.文中提出了一种基于UKF的闪烁噪声机动目标跟踪算法,首先对目标系统的状态方程进行无味变换,然后再进行滤波估计,以减小跟踪误差.UKF不需要求导,它能比EKF更好地迫近目标运动模型的非线性特性,具有更高的估计精度,计算量却与EKF同阶.在仿真实验中采用"协同转弯模型"作为机动目标的运动模型,雷达的量测方程也是非线性的,分别应用UKF和EKF跟踪闪烁噪声下的机动目标,结果表明,UKF能够较好地解决闪烁噪声下跟踪机动目标的难题,其跟踪精度要远远高于EKF.     

机载雷达辅助无源传感器对杂波环境下机动目标跟踪

机载雷达辅助无源传感器对目标协同跟踪具有重要战术作用,而当前相关算法模型较为简单。为了贴近工程实际,提出一种机载雷达辅助无源传感器对杂波环境下机动目标的跟踪算法。该算法考虑了地球曲率和载机时变姿态等因素的影响,基于地心地固(ECEF)坐标系,联合交互多模型(IMM)和概率数据关联(PDAF)方法,以综合预测协方差的迹为控制变量来管理机载雷达的开关机。仿真结果表明,通过选择合适的控制门限,在节约辐射能量、提升生存能力的同时算法的跟踪性能并无明显下降,从而表明了所提出算法的有效性。     

基于无人机跟踪的目标反遮挡算法

随着计算机视觉和无人机的蓬勃发展,目标跟踪是当下研究热点之一;但对于该方向,目前存在大量问题,目标的遮挡就是其中之一;因此,为了解决该问题,在此提出了一种无人机抗遮挡目标跟踪算法;该算法基于均值漂移目标跟踪算法;采用动态参数选择策略和双预测机制相结合的方法来解决目标跟踪过程中的目标遮挡问题;为了避免目标丢失,算法中采用目标检测的方法;大量实验表明,在与现有的算法比较过程中,该算法展示出了对遮挡目标跟踪有较好的鲁棒性和实时性;与其他算法相比,其精度提高约了10%,平均目标符合率提高了约15%。     

Analysis and approximation of performance bound for two-observer bearings-only tracking

This paper presents the analytic recursive formulas of Cramér-Rao lower bound (CRLB) for the switching models system, in which the target moves either with a constant velocity or with a constant speed and a constant turn rate. For the case of two-observer bearings-only maneuvering target tracking, a reliable maneuver detection method is investigated and then utilized to approximate the theoretic CRLB. Finally, to demonstrate the agreement between the approximated CRLB using the proposed maneuver detection method and the theoretic one, a large number of Monte-Carlo runs under different maneuvering scenarios are conducted. Correctness of the analytic recursive formulas of CRLB and effectiveness of the proposed maneuver detection method are verified from these simulations.