一种提高导引头角速度跟踪性能的方法

通过以线估计色噪声参数,对测量噪声去相关,是提高卡尔曼滤波精度的重要方法。本文针对导引头角速度输出具有慢变化和噪声一般符合ＡＲ（２）模型的特点,提出了一种在线估计色噪声参数方法,仿真结果表明,这种方法几乎具有完全的去相关能力大大提高了角速度跟踪性能。     

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。     

有色噪声条件下的实用Kalman滤波方法研究

Kalm an滤波技术是现代信息处理中的重要工具,但是基本的Kalm an滤波基本方程中要求系统噪声和量测噪声必须为互不相关的均值为零的白噪声过程,限制了应用的范围。该文研究了在系统噪声和量测噪声都是有色噪声条件下的Kalm an滤波方法,运用状态扩充法和量测扩增法推导了全套的滤波方程,拓宽了Kalm an滤波器在工程中的应用范围。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

主动雷达导引头自适应滤波算法中的有色噪声的抑制

在空空导弹主动雷达导引头自适应滤波的研究中，针对雷达导引头角通道的测量噪声声为有色噪声这一情况，本文主要讨论了相应的去噪声相关性的方法，并结合空空导弹的应用进行了全弹系统的仿真，结果表明所用的方法对角噪声具有一定的抑制作用。     

闪烁噪声环境下目标跟踪的UPF算法研究

介绍了一种改进的粒子滤波（PF）算法——无味粒子滤波算法（UPF）。该算法结合UKF（unscented Kalman filter）和PF算法,利用UKF对非线性系统的处理能力,用UKF得到粒子滤波的重要性采样密度函数,从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。在给出的闪烁噪声统计模型基础上．将UPF、PF算法在雷达目标跟踪中进行了比较,仿真结果表明该方法可以取得比标准的粒子滤波更快的滤波收敛性和更高的滤波精度。     

闪烁噪声下的机动目标跟踪算法研究

标准的粒子滤波能够较好的解决闪烁噪声下机动目标跟踪问题,但在采样过程中有时会出现严重的退化现象。针对这种现象,文中提出了一种改进的粒子滤波算法,在采样过程中退化检测,若粒子退化严重,则重新采样,直到退化在允许范围之内。仿真结果表明,在高斯环境下,标准的粒子滤波和改进的粒子滤波性能相近,都优于不敏卡尔曼滤波,但在闪烁噪声环境下,其性能明显高于不敏卡尔曼滤波和标准的粒子滤波,但耗费时间长。     

基于粒子滤波的三维转弯目标跟踪方法

为了提升对转弯目标的跟踪精度,本文提出了一种基于粒子滤波的三维转弯目标跟踪方法。首先,针对在三维空间中做HGB机动的目标提出了一种三维转弯模型,并建立了目标拦截过程中合理、可信的导弹动力学模型。然后,分别用粒子滤波(PF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)对三维转弯模型进行匹配滤波,通过对各滤波方法的仿真对比分析,选用PF作为三维转弯模型的匹配滤波方法。最后,将机动目标跟踪问题转化为粒子滤波的求解,通过抑制粒子退化和增加粒子多样性的方法,提高了非线性滤波的估计精度。仿真结果表明,基于粒子滤波的三维转弯模型可以对做HGB机动的目标实现稳定可靠的跟踪,对基于三维转弯模型的非线性滤波问题,相较于EKF和UKF, PF的估计精度至少可提升30%。     

基于自适应滤波技术的被动协同跟踪算法

为增强被动协同跟踪系统对复杂环境的适应性，提高跟踪精度和系统鲁棒性，提出了一种基于自适应滤波技术的目标跟踪算法。该算法通过基于Sage-Husa自适应噪声估计的无迹卡尔曼滤波对多站被动协同定位结果进行状态估计，并利用残差量的局部动态统计对噪声估计器进行改进，以提高噪声估计的准确性和稳定性。同时，引入协方差自相关量匹配判据来保证噪声方差阵的正定性，防止滤波发散。仿真结果表明，该方法可有效提高噪声估计精度，增强目标跟踪系统对环境的适应性，大幅提升跟踪性能。     

时变噪声统计估计的自适应UKF目标跟踪算法

针对目标跟踪中非线性滤波精度下降甚至发散的问题,提出了一种时变噪声统计估计的自适应无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法.首先将系统模型和滤波算法修正为适于噪声非零均值时的情况,然后根据极大后验估计原理,推导出一种次优的时变噪声统计估计器,其系数通过指数加权的衰减因子计算得到,最后与传统UKF算法结合形成自适应的滤波算法.仿真结果表明,该算法保证了滤波收敛性,能够对目标进行有效跟踪,而且滤波精度显著提高.     

具有角速度测量的光电跟踪系统分析

采用球坐标位置测量的传统光电跟踪系统,在充分利用模型先验信息而不增加其它测量信息的前提下,很难进一步改善目标运动参数的估计性能。在传统光电跟踪系统基础上,引入俯仰和偏航两个角速度测量装置来提高跟踪系统性能的设计思想,尚未见文献报道。本文借鉴扩展卡尔曼滤波器(EKF)思想,建立了新的测量模型,并从理论上分析了跟踪偏差的渐进性质。对原有位置测量和附加角速度测量的序贯滤波处理保证了工程实现的可行性和实时性。仿真结果表明,附加角速度测量后,光电跟踪系统收敛速度加快,估计误差均方差减小,系统跟踪性能得到全面提升。     

纯角度跟踪非线性预测滤波算法研究

为了提高目标跟踪的准确性和可靠性,采用纯角度跟踪模型和非线性预测滤波算法相结合的方法来确定跟踪目标的实时位置。通过仿真发现,在恰当的选取加权矩阵的前提下,可对模型误差进行实时估计,很好的预测出目标的实时位置,由此表明纯角度跟踪非线性预测滤波算法在目标跟踪应用中不但操作简单,且有很好的精确性和有效性。     

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题, 给出了一种新的迭代总体最小二乘Kalman滤波算法.该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法.     

基于扩展H_∞滤波的光电跟踪目标预测方法研究

在光电跟踪系统目标状态预测过程中,噪声统计特性不确定是导致滤波精度下降的主要原因之一。针对该问题,提出了一种基于"当前"统计模型的扩展H∞滤波(EHF)方法,并与扩展卡尔曼(EKF)滤波方法做了仿真比较。仿真结果证明,在白噪声条件下,EKF滤波方法虽然精度略高,但收敛速度要差于EHF方法;在有色噪声条件下,EKF滤波方法几乎不能完成滤波,而EHF滤波器可以保持和白噪声假设条件相当的滤波精度,并且在目标发生机动的情况下该方法仍具有较强的鲁棒性。     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

在线估计量测噪声统计特性的自适应滤波算法

针对自适应滤波（AKF）技术的研究现状，探讨一种算法结构比较简单、实时性较强、工程上比较实用的在线估计量测噪声统计特性的AKF算法。仿真结果表明，这种算法具有较强的自适应性，不失为一种实用而有效的滤波方法。     

基于H∞滤波的不同目标机动模型的跟踪特性研究

文中研究了五种常见的目标机动模型下H∞滤波用于机动目标跟踪的性能.在目标位置信息可测条件下针对机动目标进行了H∞跟踪滤波仿真计算,以速度估计均方差为指标,分析了不同目标机动模型的H∞跟踪滤波精度.结果表明,基于维纳模型的H∞滤波进行机动目标跟踪精度最高,采用常加速度模型或二阶马尔可夫模型也是一种合适的选择.     

一种基于帧差法结合 Kalman 滤波的运动目标跟踪方法

为解决视频帧目标跟踪中的尺度变化导致的目标跟踪发生跟丢的问题,提出一种自适应跟踪窗口的处理 方法,利用下一帧的估计位置与当前帧目标位置的差值作为检测量,自适应调整跟踪窗口,实现目标的有效检测和 跟踪。实验结果表明：该方法能有效降低目标跟丢的概率,预防目标的误跟踪,适应目标尺度变化。     

一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

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。