机动目标跟踪中的多模算法

机动目标跟踪是一个很具有挑战性的任务，即使是跟踪单目标也可能因为目标的逃避机动而失跟，机动目标跟踪所遇到的基本问题是所建目标模型的动力学方程与目标的实践运动模式存在着不匹配。所以很多学者研究多模算法来解决这一问题。本文对学者们在多模算法上的研究结果进行了系统总结分析，得出结论：变结构的方法是提高跟踪性能、减少运算量，将多模算法用到实际的机动目标跟踪中的有效途径。     

径向速度量测在机动目标跟踪中的应用

针对机动目标跟踪问题,提出了一种引入径向速度量测的IMM滤波跟踪新方法.首先给出了观测数据的无偏坐标变换,由此得出位置坐标观测噪声的协方差矩阵.然后对引入径向速度量测的交互多模滤波跟踪算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使跟踪性能得到了较大的改善.     

低空反导机动目标跟踪技术研究

低空飞行的巡航导弹目标是防空系统的重要威胁，由于巡航导弹在接近攻击对象时按预先设定的指令发生机动，如果因导弹机动而导致防空系统丢失目标，将产生极其严重的后果。本文将交互多模滤波算法引入到低空反导机动目标跟踪，探讨了交互多模跟踪算法在跟踪不同机动幅度目标的性能。     

粒子滤波在机动目标纯方位跟踪中的应用

文章将多模粒子滤波算法用于机动目标纯方位跟踪，通过估计模型的概率而不是寻找最优算法去进行局部线性化和表征非高斯后验密度，从而减小了近似误差。在仿真研究中，与IMM—EKF的比较验证了多模粒子滤波处理机动目标纯方位跟踪问题的优越性。     

机动目标跟踪的新算法

机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性.     

红外搜索跟踪系统对机动目标的跟踪算法研究

红外搜索跟踪系统(IRST)只能得到目标的角度,目标的精确三维运动方程难以建立,因此对机动目标进行跟踪尤为困难.提出了适合红外搜索跟踪系统的纯角度交互式多模型(IMM)定向跟踪算法,并和基于单一模型的卡尔曼滤波做了仿真对比,仿真结果表明了所提出的算法较卡尔曼滤波在性能上有很大提高,能够很好地跟踪机动目标.     

结合幅度信息的粒子滤波机动目标被动跟踪

为提高杂波条件下的机动目标被动跟踪的性能,提出了一种新的粒子滤波目标被动跟踪算法。在声纳的输出端,提取信号的幅度信息(AI),建立多模型对转弯机动目标进行状态估计,以粒子滤波算法作为基本跟踪滤波算法,将AI与概率数据关联(PDA)算法中的似然比相结合,详细推导了结合AI的粒子滤波目标被动跟踪算法(PF-AI)实现的具体过程。在同一被动目标跟踪场景,同时使用单纯PDA算法、结合辅助信息的PDA算法和PF-AI进行被动跟踪仿真,分析了轨迹跟踪性能,并使用均方根误差比较了误差性能。仿真结果表明,与两种基于PDA的跟踪算法相比,PF-AI具有更高的跟踪精度,且算法易于实现。     

带有间歇辅助测量的机动目标被动跟踪

大气层外拦截器一般采用红外成像导引头,只能测量弹一目之间的视线角.为了得到先进导引律所需要的弹一目相对距离、相对速度等信息,对被动跟踪的方案、滤波方法进行了研究.首先在给出被动跟踪问题描述的基础上,分析了提高机动目标被动跟踪问题可观性的途径,提出了带有间歇辅助测量的协同跟踪方案.其次.结合大气层外目标的运动特点,建立了机动目标模型,并给出了考虑间歇辅助测量的IMM滤波方法的流程.在滤波中应用了直角坐标系和改进极坐标系,并且给出了二者之间的相互转化关系.考虑到两个坐标系各自的特点,时间更新在笛卡尔坐标系进行,测量更新在改进极坐标系中进行,避免了由于非线性特性引起的滤波性能下降问题.最后,给出了不同测量噪声水平下的仿真结果,结果表明:即使辅助测量存在较大的测量噪声,提出的方法仍然有效.     

机动目标在三维Jerk模型下的无源跟踪

针对当前运动目标跟踪模型多数限制在两维平面内或者是假设条件下的三维空间的特殊平面内,为了对空中目标,特别是低空目标无源跟踪,提出利用jerk模型对空中目标建模的思想,并推导出了离散的状态方程,最后以距离、方向角和俯仰角为观测量,建立观测方程。通过计算机仿真,比较跟踪轨迹和真实轨迹,可以看出jerk模型适合于空中目标无源跟踪？     

Passive tracking of a maneuvering target: an adaptive approach

The problem of target tracking using passive sensors is examined. The target is assumed to execute maneuvers at times unknown to the observer. An adaptive algorithm, which takes into account such maneuvers, is derived using the multimodel partitioning approach. Simulation results show the superiority of the proposed algorithm over a tracker employing the extended Kalman filter     

空基多平台对空中机动目标的被动跟踪定位算法

针对空中机动目标的被动定位跟踪问题,提出了一种先用静态估计理论对空中目标进行最小二乘估计,再采用基于“当前”统计模型的自适应滤波算法进行滤波处理的方法,取得了比最小二乘估计与卡尔曼滤波相结合的算法更好的效果。仿真结果表明,在跟踪非机动目标时,该算法和最小二乘估计与卡尔曼滤波结合的办法相当;在跟踪机动目标时,该算法的误差明显小于原算法。     

无源定位对机动目标跟踪研究

通过分析飞行目标的空间运动关系,建立符合飞行目标运动特性的PVT三维跟踪模型。因为飞行目标无源跟踪的观测模型的高非线性,并且状态向量维数较高,文章把粒子滤波应用到飞行目标跟踪,并与卡尔曼滤波跟踪结果比较。仿真试验验证了PVT模型和PF滤波算法跟踪飞行目标的优越性。     

带频率信息的机动目标被动跟踪

对于被动目标跟踪,在引入了测频信息后,目标的可观测条件大大放宽,在某些条件下,观测站甚至可以不动.本文对带频率信息的被动跟踪由二维常速目标延伸到三维机动目标,并采用伪线性估计器(PLE).仿真结果表明,伪线性估计器(PLE)在一定程度上能够改善带频率信息的机动目标被动跟踪.     

目标检测非线性问题研究

在目标检测滤波算法中,量测向量与滤波中所使用的状态向量是一对非线性关系,由于非线性误差的传播与积累,极有可能导致滤波结果的发散。针对这一问题,本文提出将UT(Unscented Transformation)变换的思想引入到Singer模型中,在保证滤波精度的基础上,解决了非线性滤波中滤波结果发散的问题。     

一种新的机动目标跟踪算法

针对UKF算法精度较高,但计算负担繁重的问题,基于对精度与实时性考虑,提出了UKF与径向基神经网络相结合的模型与机动目标跟踪算法。通过计算机模拟仿真,证明了该算法的可行性。     

用于机动目标跟踪的分段机动识别方法

分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器.