扩展卡尔曼滤波在无人机航迹控制系统中的应用研究

针对无人机航迹自动控制系统的精度问题,提出了一种基于扩展卡尔曼滤波技术的改善无人机航迹自动控制系统的方法。对地面测量系统测得的数据进行扩展卡尔曼滤波处理可以减小因测距和测角误差对无人机航迹自动控制系统的影响,得到无人机状态的最佳估计。仿真结果表明,扩展卡尔曼滤波技术能够有效提高无人机航迹控制系统的控制精度。     

基于数据融合技术的航迹处理

基于数据融合技术的航迹处理采用多雷达获取航迹信息,再用卡尔曼滤波算法进行融合.采集数据并提取有关数据项后进行格式转换、数据辨识.再对多源数据进行取舍、验证、修改等处理,生成综合信息.通过建立备选与正式航迹,进行航迹点互连和对多部雷达滤波数据进行线性加权融合处理,得到唯一航迹.     

视景仿真环境下基于卡尔曼滤波的运动目标航迹预测方法

在视景仿真环境下,需要对运动目标的航迹进行预测。为满足运动目标状态的高更新频率的需求,采用卡尔曼滤波对目标航迹进行校正和预测。建立运动目标的线性状态方程和观测方程,给出最小均方误差意义下的最优预测结果,采用建立的卡尔曼滤波模型,对收到的原始目标运动数据进行航迹预测,预测拟合后的运动轨迹在东向、北向和高度3个方向上均实现了与原始数据的精准拟合。仿真结果表明:该方法能满足视景仿真环境下运动目标的航迹预测的精度需求,为水面舰艇作战指挥提供直观可靠的决策依据。     

多种异类传感器联合跟踪的异步航迹融合算法

针对多种异类传感器联合跟踪的数据不同步问题,提出了一种适应于工程应用的异类传感器的异步航迹融合算法。首先利用最小二乘估计对红外测角信息进行数据压缩预处理,将预处理之后的红外测角信息与激光测距信息作为光电测量值代入扩展卡尔曼滤波,再利用分布式异步融合算法将光电与雷达进行航迹融合。仿真结果表明,该算法具有很好的跟踪精度、收敛速度和实时性。     

MHT算法在航迹关联中的应用

为了将水下航行器探测目标过程中出现的混淆的目标点迹进行有效分离,将基于卡尔曼滤波的多假设跟踪算法应用于多目标的航迹关联.介绍了多假设算法的基本流程和原理:假设的产生、概率计算和假设剪除,并进行数值仿真.仿真结果表明:多目标跟踪算法能够有效解决"量测-目标"数据关联问题,并且能在较短时间内确认目标航迹.     

风场干扰下基于一致性卡尔曼滤波的UAV 编队控制算法

针对风场干扰下多无人机(UAV)编队的控制问题,提出一种基于一致性卡尔曼滤波的多无人机编队控制算法。根据一致性卡尔曼滤波算法,测量每架无人机的风场干扰误差,预测控制编队中各机的相对位置;设置编队的中心关键点,并利用总卡尔曼滤波器调整其位置,由此实现了一致性卡尔曼滤波算法与航迹修正相结合解决风场干扰下多无人机编队的控制问题;并将该算法应用到轨迹跟踪问题,从而实现编队对复杂航迹的实时跟踪。仿真结果表明,文中提出的算法具有很好的灵活性、鲁棒性、可靠性和可伸缩性。     

多雷达数据融合的误差校正

针对雷达组网系统中的多传感器数据融合的问题,提出了运用卡尔曼滤波迭代法估计出雷达航迹的系统误差,并进行有效的误差校正,提高数据融合效率,提升组网雷达的性能．仿真结果表明,系统误差修正后,雷达航迹的精确度相对提高．     

有色噪声背景下直升机航迹滤波与预估的研究

结合武装直升机在巡航或搜索地面目标的特点,给出直升机航迹模型为协方差平稳随机模型。在线估计有色噪声参数,对测量噪声去相关。对直升机航迹进行卡尔曼滤波与预估。最后对有色噪声条件下的航迹进行了仿真研究,并与白噪声条件下的仿真结果进行比较,结果表明,这种方法具有很强的去相关能力,可以提高跟踪精度。     

复杂交通场景下目标稳定跟踪方法研究

为克服实际交通场景中环境的复杂性和目标的多样性给雷达目标稳定跟踪带来的问题,采用基于卡尔曼滤波和概率数据关联的雷达多目标跟踪算法,实现点迹与航迹之间的关联.提出一种基于欧氏距离的改进航迹关联方法,增加航向夹角判别的约束,解决了由于多目标相互遮挡或交叉运动带来的航迹不连贯、不稳定问题,实现了航迹与航迹之间的关联,提升了航...     

基于多传感器的水下航行器航迹融合技术

基于传统卡尔曼滤波算法和最小均方准则，利用全局状态估计反馈，修正了常用的track-to-track航迹融合算法，在此基础上进行了鱼雷导引系统的仿真研究。仿真结果验证了多传感器数据融合技术在提高水下航行器导引精度中的有效性。