基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;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,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于高斯粒子滤波的空-海BDO-TMA的研究

探讨了目标运动分析中基本的非线性估计问题。介绍了粒子滤波的基本思想和免重采样高斯PF（GPF）算法的基本原理．特别针对空-海单站只测方位-多普勒TMA（BDO-TMA）问题应用GPF和EKF（扩展卡尔曼滤波）进行了对照研究，建立了问题的离散非线性滤波估计模型．设计了典型的应用场景，给出了MonteCarlo仿真运行结果；表明GPF具有更高的估计精度、更好的收敛特性和滤波一致性。     

再入飞行器弹道参数自适应稳健估计方法

建立了飞行器再入段动力学模型.通过对再入过载值的融合,避开了对弹道系数和大气密度的近似,使得再入动力学模型更加准确;通过对自适应Kalman滤波算法的简化,得到了再入弹道参数的精确、稳健的估计.仿真算例表明该方法可以在系统建模误差、传感器测量噪声模型未知的情况下得到相当好的结果.     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

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。     

弹道导弹再入段跟踪制导算法研究

首先针对弹道导弹再入大气层后的弹道轨迹进行仿真建模。为解决当前目标跟踪算法中机动模型与再入类目标实际运动不匹配的问题,采用了基于弹道模型的目标跟踪算法。获得滤波结果中来袭导弹目标的每一时刻位置及速度信息后,利用比例导引制导方法,可以实现对来袭目标和拦截弹理想弹道轨迹的三维数据仿真。仿真结果表明,算法可以对导弹目标进行稳定的跟踪,对拦截弹进行精确的制导。     

虚拟导引方法在再入滑翔弹道优化中的应用研究

针对飞行器再入大气层后的滑翔弹道,建立了飞行动力学模型,采用设置虚拟目标的导引方法进行优化。提出了几种调控弹道形式和射程的途径,并结合具体算例进行了弹道仿真,具体分析了虚拟目标位置、比例导引系数、攻角等参数对弹道弯曲程度、过载、热流、射程等方面的影响规律,说明综合考虑这些因素可得到理想的弹道优化的结果。     

小波分析在再入体辨识数据处理中的应用

针对辨识数据的处理问题,提出了基于小波分析的数据处理方法。对于含噪声数据的噪声未知时,可以通过小波高频分解系数估计出噪声的强度,进行数据滤波。该方法简单且去噪效果好,仿真结果进一步证实了本方法的有效性。     

再入弹道估计中动力学模型和“当前”统计模型的性能比较

飞行器在再入段的弹道可用较为精确的模型描述,利用UKF,分别结合动力学模型和＂当前＂统计模型,对再入弹道（弹道式和机动式）进行了估计,并就其滤波性能进行了对比分析.仿真结果表明,在对弹道式再入飞行器弹道的实时滤波中,BRV-Exp模型要比CS模型更为合适,弹道估计精度得到明显提高;在对机动式再入飞行器弹道的实时滤波中,MRV-Wiener模型并不优于CS模型.     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

在线弹道参数滤波与辨识方法分析

为解决基于雷达探测系统的一维弹道修正弹的快速在线弹道参数辨识及精度分析问题,针对阻力环体制的一维弹道修正弹,建立了适配于一维弹道修正弹的飞行控制弹道模型,并基于卡尔曼滤波理论建立了弹道滤波模型,给出了弹道预报的方法。结合扩展卡尔曼弹道滤波模型,计算分析了数据测量精度、基础阻力系数变化等因素对预报弹道落点的影响。研究结果表明:为了提高无控弹道和修正弹道的预报精度,应尽可能准确地获取全弹的阻力系数,并进行若干发炮射试验,通过反复调整预报-校正分段以确定出较佳弹道参数方差,来提高后续弹道预报精度。     

粒子滤波在捷联惯导系统非线性对准中的应用

首先建立了捷联惯导系统(SINS)的误差模型,接着介绍了粒子滤波的基本原理和算法,并对SINS误差模型进行了理论分析.然后基于非线性SINS误差模型的特点和实时性要求,采用了粒子滤波和卡尔曼滤波相结合的方法对SINS进行非线性对准.最后,计算机仿真结果表明了该方法的有效性,满足对准精度要求.     

一种基于弹道模型的机动目标跟踪算法

针对当前目标跟踪算法中跟踪模型与现代反舰导弹实际运动不匹配而影响跟踪精度的问题,根据反舰导弹的弹道特点,通过分析导弹受力情况和运动状态的关系,提出了一种基于弹道模型的机动目标跟踪算法,并针对高速跃升俯冲运动,分别与基于CV、CA模型的目标跟踪算法作了性能比较.仿真结果表明,该算法在原理上是正确可行的,可显著提高对高速强机动目标的跟踪性能.     

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%。     

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪,其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题,提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置,在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息,并引入尺度调节衰减因子不断修正重要性密度函数,从而使建议分布更加逼近真实。将其与时延差定位方法结合,并在WSN环境下进行仿真实验。结果显示,改进的算法在整体粒子数有限的情况下追踪精度更高,收敛性较好,尤其适合环境噪声非高斯的复杂WSN目标追踪应用。     

舰船导航信号非线性UKF滤波定位解算方法研究

根据UKF( unscented Kalman fliter)的工作机理,对所建立的双星(GPS、劳兰C)／航位推算(DR)舰船组合导航连续非线性系统模型进行解算,形成一套UKF在舰船组合导航中的递推算法。该方法根据随机变量的先验统计特性,按照特定的规则将状态变量分解成2n +1维的散布形式,然后利用统计线性回归技术,实现对非线性函数的线性化,可以获得更小的线性化误差。实船数据试验表明：UKF算法与扩展卡尔曼滤波(EKF)算法相比,系统稳定性更好,滤波器估计精度更高。     

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。     

基于“当前”模型的UKF滤波算法在目标跟踪与实时弹道估计中的应用

针对靶场机动目标跟踪与实时弹道估算的实际,介绍了基于“当前”模型的UKF滤波方法。将“当前”模型和UKF滤波用于机动目标跟踪与实时弹道估算,建立了具有较好自适应特性及较高滤波精度的系统模型与算法。经对多发任务实测数据的试算表明：该算法具有较好的稳健性和较高的滤波精度,在靶场的实时显控、设备跟踪引导等方面具有良好的应用前景。     

基于速度约束的粒子滤波算法研究

为了提高二维机动目标被动跟踪性能,基于粒子滤波(PF)的基本思想,结合目标的先验信息,将速度约束条件加入到跟踪过程中,通过抛弃约束外粒子,并对粒子分布和权值进行调整来提高算法的执行效率。对新算法进行了仿真分析,并与粒子滤波算法进行了仿真对比。结果表明,新算法具有收敛速度快、跟踪精度高的优点。     

粒子滤波算法在视频目标跟踪中的改进与运用

为实现粒子滤波算法在视频目标跟踪领域的应用,减小算法的运算量,提高算法的适应性和鲁棒性,文中提出利用构造等价有效粒子数的概念,采用选择重采样的方式减少重采样的执行步骤,减少运算量。同时为减小算法对亮度的敏感性,提出利用HSV色彩基准代替RGB色彩基准作为目标特征,对目标进行识别。最后对改进算法进行了试验,结果表明文中所提的方法能减少算法的计算量,有效的改进算法在视频目标跟踪中的稳定性。