多级组合α-β-γ跟踪滤波器

针对目标机动较大或跟踪丢失较频繁时单一α-β-γ滤波器难于同时满足收敛速度和滤波精度要求的情况，提出了多级组合α-β-γ滤波器的思想，着重讨论了它的构建、机动检测和滤波器间切换等方法．仿真表明，组合α-β-γ滤波器既可以保证跟踪初始或目标机动时的快速收敛，又能显著提高稳态跟踪精度．     

强跟踪联邦的卡尔曼滤波器设计

将强跟踪滤波方法应用到联邦滤波器中,形成无反馈模式的联邦滤波器的强跟踪联邦滤波算法.该强跟踪联邦滤波器由2个子滤波器和1个主滤波器组成,主滤波器到子滤波器的信息反馈.子滤波器独立地进行时间更新和测量更新.主滤波器对时间进行更新,并将2个子滤波器的结果进行信息融合,得到全局最优估计.     

一种快速跟踪机动目标的并行算法

针对机动目标的跟踪问题,采用一种完全解耦的卡尔曼滤波跟踪算法,即速度滤波器和加速度滤波器并行独立运算,加速度滤波器的输出用于校正速度滤波器的结果。根据探测到的目标机动性情况,加速度滤波器可实时切换。降低了滤波维数,从而使计算量和存贮量减少,提高实时性。仿真结果表明,该算法具有很好的跟踪性能。     

非高斯环境下基于GPF算法的目标跟踪

介绍了高斯粒子滤波器(GPF)的基本思想和具体算法的实现步骤,并讨论了此算法在机动目标转弯模型跟踪中的应用,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)的跟踪性能差异。仿真结果表明,GPF有效地改善了目标跟踪的效果,相比PF在精度和计算复杂度方面均有了明显改善。     

一种可滤复杂云背景的模拟滤波器

本文叙述了一种六极点带通滤波器，该滤波器可用于相应的红外搜索跟踪系统，使其电路输出的模拟信号得到优化。滤波器能有效工作的关键在于其对系统的脉冲响应的精确调配。如调整其中某些参数，滤波器就能作为一最佳，线性的一维器件用于检测极端复杂云背景下的红外弱小目标。     

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...     

基于滤波器组的船舶静电场跟踪

针对船舶静电场跟踪中先验信息缺失的问题,引入滤波器组方法,提出了一种新的船舶静电场跟踪算法。建立船舶静电场跟踪的状态空间模型,用水平电偶极子对船舶静电场进行建模;以渐进更新扩展卡尔曼滤波为基本滤波单元,采用一组滤波器对目标进行跟踪;根据电场计算公式设计滤波初值,并利用最大似然法确定可靠的跟踪轨迹。仿真和海上电偶极子跟踪实验表明,滤波器组方法能够有效地解决先验信息缺失条件下的船舶静电场跟踪问题,最大似然选择法能够筛选出正确的跟踪轨迹,在跟踪过程中滤波算法对方位信息更加敏感。     

一种实时的机动目标多模型跟踪算法

提出了一种实时的机动目标多模型跟踪算法。该算法包含两个并行的Kalman滤波器,分别为匀速Kalman滤波器和匀加速Kalman滤波器。定义了“滤波运动模型偏离度”作为模型切换的判据,在线实现了两个Kalman滤波器的自动切换,使总输出结果最大程度的符合实际运动模型。通过可调过程噪声的自适应方法,抑制了滤波发散,避免了在模型切换时误差跳变过大。仿真测试结果表明,该算法跟踪精度高,计算量小,因此适合在自行高炮的目标跟踪中使用。     

风浪背景下运动舰船水压信号滤波的慢跟踪LMS算法

根据舰船水压信号与海浪噪声的特点，用慢跟踪LMS算法对波浪噪声进行白化处理。滤波器的收敛速度经过合理设计，使得既能保证对波浪信号有效白化，同时又保证对目标信号衰减很小。因此，如果输入信号只有波浪干扰，则滤波器输出是白噪声，如果输入信号中含有运动舰船水压场信号，则滤波器输出就含有明显的信号波形。为了提高滤波器的初始收敛速度，使用了变步长LMS算法。     

基于交互多模型强跟踪滤波器的故障检诊方法

基于正交性原理和强跟踪滤波器的概念,引入了最佳渐消因子,提出了基于交互式强跟踪滤波器的故障检诊断方法,这种方法比其它方法能够更快、更可靠地检测和诊断出多重故障。     

基于Elman网络的传递对准容错联合滤波器设计与仿真

针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。     

记忆跟踪在HPRF-PD雷达中抗距离遮挡的应用

高重频脉冲多普勒雷达存在距离遮挡问题.分析了距离遮挡的特性,指出信号频谱的幅度趋势特性和离散特性可以用于辅助遮挡判决.在单重频的前提下,给出了基于记忆方法的抗遮挡跟踪的系统框架,设计了记忆跟踪滤波器与正常跟踪滤波器的切换机制.最后给出了微波暗室仿真试验结果.     

微波交会对接雷达目标跟踪的卡尔曼滤波器设计

针对空间交会对接应用中追踪航天器对目标航天器的精密跟踪,采用三阶修正卡尔曼滤波器直接在球坐标系下对径向距离和径向速度进行联合跟踪,采用2个结构一致的二阶修正卡尔曼滤波器分别对俯仰角和俯仰角速度、方位角和方位角速度进行联合跟踪。提出一种状态噪声的实时估计算法,有效地解决了卡尔曼滤波应用中状态噪声的参数设计问题。仿真结果表明,本文设计的卡尔曼滤波器能够精确地跟踪目标航天器,同时具有较强的动态适应能力。     

无人机对地运动目标跟踪算法

提出一种基于改进相关滤波器的无人机对地运动目标跟踪算法。该算法提取目标梯度方向直方图特征、颜色特征、深度特征等多种特征,利用空间可靠性图改进相关滤波器,提高对不规则形状目标的跟踪性能,基于高效卷积算子进行特征降维和紧凑样本空间构建,降低数据冗余。根据相关滤波器得到的目标特征响应确定目标跟踪框的位置,实现目标跟踪。经实验验证：该算法的跟踪平均中心距离误差为16.07,跟踪成功率曲线下面积参数为0.54,均优于目前其他先进算法;跟踪平均帧率最高可达44.09帧/秒,具有较好的实时性。     

一种强跟踪UKF及其在GPS/SINS深组合导航中的应用

针对弹道导弹的特点,研究了发射惯性系下GPS/SINS深组合导航下的一种强跟踪无迹卡尔曼滤波算法。该算法根据渐消的思想,通过引入多重次优渐消因子到UKF滤波器,自适应地在线调整UKF滤波器的预测状态协方差阵,从而有效跟踪快速变化的状态量。仿真结果显示,UKF引入次优多重衰落因子对算法进行改进后,对高度机动目标的跟踪能力更强,强跟踪无迹卡尔曼滤波器对快速变化的状态将具有更强的跟踪。改进算法在保证原有的UKF滤波算法精度的同时,使系统误差在较短的时间内收敛。     

一种改进的UKF非线性滤波器研究

针对无味卡尔曼滤波器(UKF)存在的缺陷,提出一种能对多通道数据进行渐消的带多重次优渐消因子的UKF滤波算法(SMFUKF)。该方法基于强跟踪滤波器的概念,通过引入多重次优渐消因子到UKF滤波器,自适应的在线调整UKF滤波器的状态预测误差协方差矩阵、量测预测协方差阵、状态和量测之间的互协方差阵及相应的增益矩阵,从而达到对快速变化的状态进行强有力的跟踪。实验结果表明多重次优渐消因子的引人使得UKF滤波器有可能更多的利用系统的先验知识,SMFUKF滤波器对快速变化的状态将具有更强的跟踪能力。     

不完全信息下分布式目标跟踪算法

针对分布式目标跟踪过程中出现数据丢包和不完全量测现象,提出一种分布式目标跟踪算法.该算法由统计意义下局部滤波器和基于协方差交叉算法融合滤波器构成,其中局部滤波器利用邻域内各节点测量信息计算局部滤波值,融合滤波器则将邻域内各节点局部滤波值进行融合处理,得到该节点的目标坐标信息;最后,利用典型目标航迹模型对该算法进行仿真分析.仿真结果表明:该算法可有效抑制不完全信息发生时对目标跟踪结果的不利影响,可为分布式目标跟踪系统在实际工程中的设计与研制提供有益的参考.     

基于CS-Jerk模型的改进机动目标跟踪算法

文中通过对CS-Jerk模型中的参数以及卡尔曼滤波的分析,提出了一种改进的CS-Jerk模型目标跟踪算法。该算法根据量测新息及其变化率,通过模糊推理机制自适应的调整"当前"统计Jerk模型的机动频率,接着利用强跟踪滤波器对运动模型进行滤波来弥补卡尔曼滤波器的不足。仿真结果表明,提出的改进CS-Jerk模型目标跟踪算法显著提高了原CS-Jerk模型在不同机动模式下对高机动目标的跟踪精度,验证了算法的合理性和可行性。     

基于模型参考方法的车辆非线性主动悬架反推控制

针对车辆悬架系统存在的参数不确定性,提出一种基于模型参考控制的车辆非线性主动悬架反推控制器设计方法。建立悬架系统非线性模型,引入高低通滤波器,根据悬架动行程改变高低通滤波器的通频带宽,设计一种理想的模型参考系统。在此基础上,构造被控悬架系统与模型参考系统之间的车身位移和速度跟踪误差,基于反推控制方法和Lypaunov理论设计了误差跟踪反推控制器。通过仿真实验验证了所提出的误差跟踪反推控制器的有效性和跟踪精度。     

基于粒子滤波器的多机动目标跟踪贝叶斯滤波算法研究

提出了一种新的基于粒子滤波器的贝叶斯滤波算法, 用于在非线性非高斯假设下跟踪多机动目标.对目标动态行为的已知描述构成了贝叶斯的先验知识.近来时序蒙特卡罗技术的发展, 特别是粒子滤波器算法, 使采用一个目标状态的集合对贝叶斯模型的后验知识进行建模和跟踪成为可能, 这个集合可以看作是这个后验密度函数的采样集合.这种新的贝叶斯滤波算法是粒子滤波器与划分采样技术和假设计算的有机结合.在与SIR/MCJPDA算法的比较仿真研究中, 证明该算法能够提高系统的跟踪性能.