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。     

基于改进粒子滤波算法的纯方位目标跟踪

纯方位目标跟踪是一个重要的研究课题。它要解决的问题是:利用含有噪声的方位数据来估计目标的真实运动轨迹。本文提出了一种基于粒子群优化的改进粒子滤波算法。这种算法可以将最新的观测值引入观测估计,提高了预估精度,减少所需的粒子数,从而实现对目标真实运动轨迹更好的跟踪。     

将粒子残差一致性度量的滤波算法用于纯方位被动跟踪

在低信扰比条件下的纯方位被动跟踪中,针对量测似然度评估粒子权重的方式对于滤波结果的不利影响,提出了一种基于粒子残差一致性度量的粒子滤波算法.首先,利用粒子残差实现采样粒子由状态空间到量测空间的映射变换;在此基础上,通过置信度距离和置信度矩阵的构建及求解,完成对于粒子权重的合理度量.新的粒子权重评估方法实现了对于最新量测信息及粒子间蕴含冗余和互补信息的充分提取和利用,使得粒子权重度量结果更加稳定和可靠.最后,仿真实验验证了算法的有效性.     

远距离纯方位跟踪的改进粒子滤波算法

粒子滤波是一种基于蒙特卡罗采样和递推贝叶斯估计的滤波方法,不受模型非线性和非高斯噪声的限制,因而被用于各种非线性滤波和参数估计问题。但是对于先验信息较少和信噪比较低的问题,其庞大的计算量和缓慢的速度限制了它在实时系统中的应用。这里介绍了粒子滤波基本原理,通过改进权重计算、重采样算法,使计算速度得到提高。这种改进算法用于对海洋远距离纯方位目标进行跟踪仿真,其结果表明,具有速度快,精度高的特点。     

新型粒子滤波理论用于水下系统目标跟踪

首先介绍了粒子滤波的基本理论和状态分离技术,并将两者结合起来得到一种新的粒子滤波改进算法:PF-SP-PEKF算法.该算法提供了一种全新的寻找提议分布途径,所得提议分布在计算量适中、便于执行的前提下,更接近目标真实分布.将新算法应用到水下系统纯方位目标运动分析领域中,联合多模型方法得到MMPF-SP算法,对水下机动目标...     

用于纯方位跟踪的简化粒子滤波算法及其硬件实现

针对粒子滤波运算量大,硬件复杂性高的问题,该文提出了一种用于纯方位跟踪的简化粒子滤波算法,该算法引入了一种新的基于阈值的重采样方法,降低了硬件实现的复杂度。在算法研究的基础上,论文研究了基于FGPA的硬件电路实现方法,给出了系统的整体硬件结构及重采样/采样模块的实现方案,讨论了粒子滤波硬件实现的资源优化及时间优化问题。仿真结果表明,对于纯方位跟踪问题,该粒子滤波算法具有优于扩展Kalman滤波器(EKF)的性能;硬件电路实验表明,该滤波器可以实现对被动目标的纯方位跟踪,并具有比通用粒子滤波器较快的处理速度。     

一种新的单站红外目标纯方位参数航迹滤波方法

红外单站只能测量目标的角度信息,难以获取目标的距离信息,无法在直角坐标系下有效对3维目标进行跟踪。该文提出一种新的纯方位参数航迹滤波方法,该算法避免传统方法中需采用多站交叉定位的思路,根据红外传感器测量速率较高的特点,直接利用单传感器测量的方位角序列,对目标航迹参数进行估计,较好地解决了单站的目标跟踪问题。仿真结果表明,该方法对直线运动或机动目标具有良好的跟踪性能。     

一种基于水下无人航行器的多目标被动跟踪算法

被动声呐信号处理中,致力于实现连续且稳定的目标方位跟踪。在复杂的水下环境中,由于干扰和噪声的存在,以及阵列孔径的限制,方位检测结果中不可避免地存在很多轨迹中断、野值、干扰与目标间的方位交叉。该文提出了一种基于水下无人航行器的多目标被动跟踪算法,使用基于航行器运动信息的粒子采样预测方法进行轨迹中断预测补齐,使用基于航行器运动信息的观测门限设置方法自适应设置跟踪门限,使用块关联跟踪方法进行轨迹中断关联和方位交叉关联。仿真和实验结果表明,该算法能够实现正确的多目标跟踪。

     

一种基于扩展卡尔曼滤波的方位跟踪算法

介绍了基于扩展卡尔曼滤波的TACAN导航方位跟踪算法,并对该算法进行了计算机仿真。仿真结果表明,该算法在匀速运动和机动情况下,均具有良好的跟踪性能。     

水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析

针对在单站纯方位目标运动分析中观测器机动航路和定位与跟踪精度问题,基于目标定位跟踪精度下限CRLB,提出用精度几何散布GDOP作为优化性能指标,采用数值寻优计算的方法,对表达式较复杂的单观测器测向无源定位的定位误差下限进行数值计算,以找出影响定位精度的主要因素.分析了观测器航路对固定目标定位精度的影响效果,并且给出了匀速直线运动航路和恒提前角匀速运动航路对目标定位精度影响的仿真计算结果,表明航路对定位精度存在很大影响,可以通过优化观测器航路来提高系统可观测程度和改善定位与跟踪算法的性能.     

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.     

线性调频信号辐射源的唯方位跟踪

对宽带线性调频信号的方位角估计以及对这类信号辐射源单站跟踪问题进行了研究.算法通过对称阵元Wigner-Ville分布(WVD),建立了一种新颖的具有分维结构的空间时频分布数据模型,并利用Beamspace-ESPRIT和子空间投影法估计信号瞬时频率向量和到达角.在到达角估计的基础上,针对在直角坐标系中利用扩展的卡尔曼滤波器的唯方位跟踪法不稳定问题,采用了修改的极坐标,实现了运动单站对运动辐射源的稳定和渐进无偏的定位与跟踪.     

三维纯角度被动跟踪定位的最小二乘-卡尔曼滤波算法

利用角度信息估计出目标的距离和速度实质上是一个非线性状态估计问题,经典的扩展卡尔曼滤波算法性能很不稳定。文中首先根据静态估计理论推导出了某一时刻目标位置的最小二乘解,然后将其作为卡尔曼滤波的测量值进行滤波,作进一步的数据处理,以提高估计精度。为了避免测量误差的相关性,分别在x,y,z方向上进行滤波,简化了算法,提高系统的定位精度。仿真结果表明这一算法是简单而有效的。     

多站无源跟踪边缘化卡尔曼滤波算法

多站无源跟踪量测方程非线性强,对跟踪算法的稳定性及精度提出了更高的要求。为实现稳定高精度跟踪,提出了新的基于边缘化卡尔曼滤波（MKF）的多机无源跟踪算法。该算法将非线性的量测方程表示为p阶Hermite多项式的加权和,将加权矩阵的先验分布建模为高斯过程,求得其后验分布后对其进行积分来消除加权矩阵的影响,最终可得对状态及其协方差矩阵估计的闭式解。以只测角跟踪为例对所提算法性能进行验证,仿真结果表明,相对于扩展卡尔曼滤波（EKF）算法、不敏卡尔曼滤波（UKF）算法及容积卡尔曼滤波（CKF）算法,所提算法具有更好的跟踪性能。      

一种精确跟踪机动目标的非线性滤波算法

在非线性系统中,最常用的是扩展卡尔曼滤波算法(EKF),当目标距离较远时,滤波器由于量测方程非线性的影响,误差较大。以机动目标“当前”统计模型为基础,建立新的机动目标模型,加入多普勒速度测量对补偿线性化误差的跟踪算法(PTLKF)进行改进。最后融入修正的加速度方差自适应算法对机动目标进行跟踪。仿真结果表明:在非线性观测条件下,改进的PTLKF算法和修正的加速度方差自适应算法的融合可以有效地改善跟踪的效果,并且其计算量明显小于强跟踪滤波算法。     

粒子滤波在目标跟踪算法中的应用研究

针对非高斯、强噪声背景下的高机动目标实施跟踪时,卡尔曼滤波、扩展卡尔曼滤波等算法将出现滤波精度下降甚至发散现象。粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势。以目标跟踪问题为背景,将粒子滤波与卡尔曼滤波算法进行了对比研究。     

仅测角卫星跟踪的扩展卡尔曼粒子滤波算法

卫星被动跟踪技术对于空间监视系统非常重要,为提高非合作跟踪模式下空间低轨卫星(LEO)的跟踪精度,提出一种基于扩展卡尔曼粒子滤波(EKPF)的仅测角卫星被动跟踪算法.首先,在卫星二体运动下,以地球惯性直角坐标系为基础,对卫星运动状态方程的二阶线性化、状态方程和测量方程的雅可比矩阵进行了详细推导.其次,利用二阶扩展卡尔曼...     

基于DSP利用粒子滤波算法实现目标跟踪

以TMS320DM643数字信号处理器(DSP)为核心,构建了高性能的视频处理平台,并利用该硬件平台实现粒子滤波(PF)算法完成对目标的跟踪。介绍了视频处理平台的基本结构和核心器件,并阐述了DSP实现运动目标跟踪的软件设计。实验表明,该系统能够实时跟踪目标,且相对于传统的图像采集卡与计算机结合的处理系统,具有体积小、低功耗、模块化和移动性好的特点,容易集成到各种移动设备中实现自主导航、安防监控等功能。     

光电跟踪系统几种次优非线性卡尔曼滤波性能比较

为在光电目标跟踪中选择性能最优的非线性卡尔曼滤波提供参考依据,对光电跟踪系统中应用广泛的扩展卡尔曼滤波、无迹滤波和中心差分滤波3种滤波方法,分别在二阶常速、三阶常加速模型和"当前"统计模型下实现的性能进行仿真实验对比和分析。比较和分析结果显示无迹滤波的性能要明显优于另外两种方法;"当前"统计模型下的滤波精度要高于另外两种模型。     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。