伪线性滤波在导弹纯方位跟踪中的应用

介绍伪线性卡尔曼滤波方法在导弹对目标进行纯方位跟踪中的应用,通过仿真证明了该方法在导弹对目标纯方位跟踪中的可行性;在对目标的纯方位跟踪时,导弹的机动轨迹是否最佳(或接近最佳)是很重要的,所以还对多种机动轨迹进行了分析,得出了导弹最佳机动的一般规则。     

基于改进SIRF的二维纯方位目标跟踪

对于纯方位目标跟踪问题,传统的线性算法已经不能满足非线性非高斯和实时性目标跟踪的要求,由于在纯方位目标跟踪中传统的粒子滤波收敛速度慢并且容易发散,文中提出了一种基于改进的采样-重要性-重采样滤波(SIRF)算法的纯方位跟踪算法。具体的改进方法就是去掉归一化步骤直接使用非归一化权值,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。最后通过实验验证改进的SIRF算法跟踪效果明显优于高斯粒子滤波(GPF)算法。     

基于地形信息约束的地面目标纯方位跟踪方法

基于改进纯方位跟踪一般方法的不稳定性,结合地形信息约束建立目标运动模型,提出一种带量测噪声的多方位测量的机动目标跟踪方法,在充分挖掘地形信息的基础上,引入伪测量并将其结合到目标状态方程和量测方程中,以改进量测信息的不连续性;然后,采用改进粒子滤波对受限运动目标的状态进行估计;最后进行的仿真分析表明,文中的方法不仅可以降低对观测者机动性的要求,而且可以提高目标状态估计的可观测性和跟踪精度.     

双机协同纯方位目标跟踪研究

根据双机被动传感器接收到的空中目标俯仰角和方位角,利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了双机协同对目标作纯方位跟踪的数学模型,在对EKF,UKF,PF几种代表性的非线性滤波算法进行理论分析、仿真比较的基础上,得出EKF更适合应用于双机协同纯方位目标跟踪的结论。采用EKF对四个场景进行Monte—Carlo仿真,结果表明：经过大约50S,距离误差曲线收敛于2．5km,速度误差曲线则逐渐收敛于零,该算法具有较好的稳定性和估计精度。对不同场景的仿真结果分析表明：双机分别作直线运动和蛇行机动的纯方位目标跟踪效果优于同时作直线运动,也优于同时作蛇行机动。     

纯方位运动目标的跟踪估计算法

针对纯方位运动目标分析问题，建立了带乘性噪声的状态空间模型，推导出了在线性最小方差意义下的目标状态最优递推估计算法，并通过算法的误差分析讨论了模型的各种随机干扰的统计参数及估计算法初值的选取。     

修正极坐标系纯方位跟踪算法分析与改进

通过修正极坐标系(MP)的广义卡尔曼滤波,提出了一种探测水中目标位置及其他各项运动参数的估计方法.基于广义卡尔曼滤波算法,设计了舰船以"Z"形路线追踪目标的纯方位跟踪模式;根据舰船的运动特点,改进算法实现了对存在机动行为的目标进行有效跟踪.仿真结果表明该方法稳定性强,对测量精度要求低并可用于跟踪机动目标.     

双基阵纯方位水下被动目标的跟踪算法

双基阵纯方位水下被动目标的跟踪算法,以带拖曳阵声纳的潜艇为模型,将双基阵跟踪转化为随机跳动的特殊单基阵跟踪.当潜艇利用双基阵进行目标跟踪时,把双基阵跟踪等效成单站跟踪,再采用伪线性估计器对目标的运动要素进行解算.仿真结果表明该方法对目标和潜艇的运动态势有很强的适应能力.     

一种多项式移动平滑算法在纯方位法数据预处理中的应用

针对传统纯方位法存在收敛时间长、收敛精度差的问题，提出了引入数据预处理技术。采用多项式移动平滑算法对含有噪声的方位数据进行预处理，使用经典的方位平差法进行解算，经过仿真实验分析，收敛速度和收敛精度都有较大提高。     

潜艇纯方位跟踪的机动优控模型

运用Ｃｒａｍｅｒ－Ｒａｏ下界，定性分析潜艇机动策略在纯方位跟踪中对目标参数估计器性能的影响，并通过计算机仿真模拟和统计分析，提出了潜艇机动优控模型。     

基于Kalman预测重要性建议分布的粒子滤波视觉跟踪算法

标准粒子滤波虽然能够实现简单场景下的目标跟踪,但在复杂场景下其性能较差,粒子权值退化是影响视觉跟踪的一个重要方面,为解决这一问题,从选择准确重要性建议分布函数入手,给出了基于EKF和UKF预测采样的粒子滤波视觉跟踪算法EKF-PF（EKF enhanced particle filtering）和UKF-PF（UKF enhanced particle filtering）,并进行了一定改进,通过仿真实验表明：给出的跟踪算法能够很好地跟踪室内运动目标,并对光照变化,目标姿态变化具有良好的鲁棒性.     

基于改进粒子滤波的静电目标跟踪算法

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。     

基于迭代积分粒子滤波的目标跟踪算法

针对粒子滤波在非线性目标跟踪中存在粒子退化的问题,提出一种迭代积分粒子滤波的目标跟踪算法。该算法从改进重要性函数的角度入手,在积分卡尔曼滤波的基础上,通过高斯牛顿迭代的方法进行量测更新,并对粒子集合中的粒子进行迭代积分卡尔曼滤波,使得构造的重要性函数更加贴近真实后验分布。仿真结果表明,与粒子滤波算法、积分粒子滤波算法相比,该算法在有效改善非线性目标跟踪中粒子退化的同时,提高了跟踪精度。     

一种基于粒子滤波的改进红外目标跟踪算法

针对传统红外目标粒子滤波跟踪中仅利用目标灰度信息可能导致目标分辨能力不高的问题,构建了基于位置和灰度的联合时空灰度模型,提出了一种基于联合时空直方图的粒子滤波目标跟踪算法,实验表明:在复杂背景下,该算法能够实现对红外目标稳健的跟踪。     

纯方位三维运动目标跟踪的不可观测性问题

针对三维空间作匀速直线运动和匀加速直线运动的目标和观测器,利用适当的数学变换以及线性矩阵方程解的性质,对纯方位系统跟踪的不可观测性问题进行了讨论.当目标在匀速直线运动或匀加速直线运动下,观测器保持匀速直线运动时纯方位跟踪系统解不惟一,目标和观测器都作匀加速直线运动时纯方位跟踪系统仍不能求惟一解,该结论对进一步分析观测器的机动策略具有指导意义.     

基于粒子滤波的红外/毫米波复合制导目标跟踪方法

介绍了在红外/毫米波复合制导中观测方程的非线性而产生的跟踪问题,将粒子滤波应用于这一工程领域,并针对其易发生粒子退化现象这一缺点进行了改进,获得了很好的效果,仿真结果证明,粒子滤波较扩展卡尔曼滤波具有更好的跟踪效果,并且由于其并行处理的特性,在工程上有较高的应用价值。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

改进RBPF算法在制导和防空技术中的应用

针对导弹制导和防空快速跟踪问题,对RBPF算法进行了改进,并将该算法应用到导弹目标跟踪和防空技术中.跟踪仿真试验表明,该算法在精度和速度上明显高于粒子滤波,与RBPF算法相比,改进算法虽在精度上略有下降,但运算速度大大提高,改进算法能对运动目标进行有效、快速的跟踪.     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

基于重采样粒子滤波的目标跟踪算法研究

基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。