转换测量值卡尔曼滤波的激光目标跟踪

为了解决在实际的目标跟踪系统中测量方程与运动方程的非线性问题，在传统的卡尔曼滤波的基础上提出了转换测量值的卡尔曼滤波器，并以此为基础在三维空间对其进行了推导。最后结合激光器的特点把它应用于激光跟踪目标的仿真，与扩展卡尔曼滤波相比较，应用转换测量值卡尔曼滤波器进行仿真的精度要明显高于应用扩展卡尔曼滤波器所得到的结果。     

一种基于高分辨率图象纳的水下运动目标轨迹测量法

针对水下运动目标轨迹测量的实际问题，提出了利用声信号，通过高分辨率图象声纳获取目标的水声图象，进而利用计算机图象与数据处理技术合成目标运动轨迹的实现方法，该方法的可行性和可靠性已在相关应用中得到很好的证实，并取得满意的结果。     

强跟踪滤波器与卡尔曼滤波器对目标跟踪的比较

介绍了早期的卡尔曼滤波器和近期提出的强跟踪滤波器对匀速运动目标和机动性目标的跟踪情况．通过仿真，说明在信噪比较小的情况下强跟踪滤波器的目标跟踪性能优于卡尔曼滤波器的跟踪性能。     

一种基于卡尔曼滤波器的彩色目标跟踪方法

提出了一种基于卡尔曼滤波器的彩色目标跟踪方法。该方法首先在YCbCr颜色空间使用高斯模型构建目标颜色模型,根据该颜色模型在图像中进行目标检测,获取目标中心,然后利用卡尔曼滤波预测目标中心在下一帧图像中可能出现的位置,以该位置为中心建立搜索区域,在搜索区域内进行目标检测,计算目标中心位置,同时以该位置作为观测值,进行下一帧预测。实验结果表明,该方法具有较好的实时性和鲁棒性。     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

基于主动声纳的水下目标特征提取技术综述

主要针对目前国内外常用的主动声纳水下目标特征提取技术进行综述，并分析了目前尚存在的主要技术困难。     

基于Kalman 滤波器的二维运动目标跟踪

利用kalman 滤波器结合递归最小二乘法(RLS)建立了一个基于模型的鲁棒跟踪器, 该模型能够有效 分割图像域内的目标, 提取目标特征并在给定区域内实现连续跟踪。采用动态kalman 滤波器自适应的更新目标模 型的特征, 实时的增加新的、稳定的图像特征, 同时减少无效或影响较小的图像特征, 随后由RLS 来完成对既定特征 目标的匹配搜寻。通过在FIRA Miro so t 集控式足球机器人平台上的应用, 该方法能够在规定区域内, 有效的跟踪小 球, 且鲁棒性较强。     

多传感器环境下目标跟踪的方位配准方法

通过建立传感器无误差和有误差情形下的坐标之间的转换关系，用方位偏差扩展目标状态向量．利用扩展卡尔曼滤波器估计这种偏差，并用估计偏差对传感器测量进行校正．仿真实验结果表明这种方法是有效的．     

基于目标方位角的俯仰角测量修正方法

针对二维天线在测量目标的俯仰角时,目标俯仰角的测量结果与目标的方位角以及俯仰天线倾角存在耦合的问题,提出了一种基于目标方位角的俯仰角测量修正方法．首先根据目标与俯仰天线的相对位置关系,推导了真实俯仰角与二维天线测量俯仰角和方位角间的关系;随后在俯仰向天线倾角一定时,建立了测量俯仰角与真实俯仰角以及方位角之间的修正模型;最后搭建试验平台,进行了试验验证．试验结果显示,对测量俯仰角进行修正后,俯仰角的修正值趋于标定值．     

BF粒子滤波算法在快速目标跟踪中应用的研究

为了对快速目标进行跟踪,在高斯加性白噪声的条件下(AGWN),文章把BF粒子滤波算法和迭代的Kalman滤波器方法结合起来对快速目标状态进行处理,状态估计用BF粒子滤波算法,能减小方差和运算量,同时用Kalman滤波器能提高跟踪精度和对目标状态的估计。仿真结果表明,文中所设计的快速和精确的BF算法能真正地解决快速目标跟踪问题。     

仅有角测量的跟踪机动目标系统

仅有角测量跟踪技术在理论上和实际上受到了广泛的应用。由于以往的仅有角测量跟踪滤波器不能精确跟踪机动目标,本文提出了带有机动目标检测器的修正增益的推广卡尔曼滤波器。这种滤波器是以线性动态系统及非线性观测方程为前提而推导的。文中给出了仿真数据结果,并与准线性卡尔曼滤波器,改进型推广卡尔曼滤波器作了比较。     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

混合坐标下的卡尔曼滤波应用于水下被动目标跟踪

针对下水下被动目标跟踪数据率低、跟踪误差大的特点和难点,研究了混合坐标下的自适应推广卡尔曼滤波算法,并将其应用于水被动目标跟踪估计器设计,该算法充分应用了直角坐标系下动态方程的线性特性和极坐标系下测量方程的线性特性,针对两坐标系间协方差矩阵变换的近似,引入了虚拟噪声进行补偿。通过系统的MonteCarlo仿真结果表明：该算法在收敛速度和估计精度方面都优于单一坐标体系下的滤波算法。     

基于遗传算法的飞机战术飞行动作决策

给出基于遗传算法的飞机战术飞行动作决策方法和算法，为提高算法的有效性，对遗传算法的操作算子进行了相应的改进，以期达到快速，准确地进行战术飞行运作的最佳化纵使决策的目的，双机空战仿真结果表明的遗传算法及其战术飞行动作决策方法的有效性。     

在混合坐标系下的机动目标跟踪滤波器

本文介绍了在球面－直角坐标系下跟踪机动目标的卡尔曼滤波算法．为克服观测噪声非白，本文引入了扩充向量，并应用旋转增益算法，对卡尔曼滤波的协方差阵及增益阵实现了解耦．通过仿真计算，对本文提出的算法与国外两种类似的算法在相同的机动和量测噪声特性情况下进行了比较，其结果显示了本算法的优越性．     

一种适用于机动目标跟踪的改进卡尔曼滤波算法

针对卡尔曼滤波跟踪强机动目标时性能下降的问题,提出了一种适用于机动目标跟踪的改进卡尔曼滤波算法.该算法在卡尔曼滤波算法的基础上,根据当前量测目标航向与前一目标航向之间的航向角度差,判断机动强弱并计算出加权函数值,然后用加权函数值根据量测数据依次修正机动目标加速度预测值和目标预测状态,最终改进目标的状态估计.仿真结果表明,目标强机动时该算法具有较高的跟踪精度.     

目标跟踪的交互多模型方法

目的开发一个实用的目标跟踪方法,它对机动目标和非机动目标的跟踪精度都很高．方法首先建立新IMM跟踪模型,然后用计算机仿真的方法证实该模型的性能,并与已有的经常用于机动目标跟踪的“当前”加速度模型比较．结果仿真结果表明,IMM模型在目标运动的非机动段的跟踪精度比“当前”加速度模型高得多,而在机动段则有着与“当前”加速度模型相当的精度．结论在目标跟踪时,IMM模型比“当前”加速度模型有更高的综合精度,它将发展成为一种实用目标跟踪方法．     

杂波环境中一种新的机动目标跟踪算法

针对传统交互式多模型概率数据互联(IMM PDA)算法中因模型选取的不确定性,跟踪精度低等缺点,引入了联合交互式多模型概率数据互联的思想,在此基础上提出了一种适用于杂波环境机动目标跟踪的新算法——交互式自适应概率数据互联(IMMAPDA)算法,将自适应滤波算法应用到PDA滤波器中和数据关联进行有机结合,提高了杂波环境中机动目标的跟踪精度。理论分析与仿真结果验证了该算法的优越性,提高了目标跟踪精度,解决了全局最优化问题。