基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

卡尔曼滤波在目标跟踪中的研究与应用

卡尔曼滤波算法是现阶段雷达信号处理中最常用的跟踪算法,结合雷达跟踪的空中目标的实际情况,针对目标运动模型中的线性运动和非线性运动模型,分别设计了两种模型,并利用马尔可夫状态转移矩阵实现交互多模算法。最后对交互多模型卡尔曼滤波算法进行了Matlab仿真及结果分析。     

基于转换坐标卡尔曼滤波算法的雷达目标跟踪

在三维空间中推导了转换坐标卡尔曼滤波算法，得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值误差方差的表达式，用此算法进行了雷达目标跟踪仿真，取得了较好的跟踪效果。     

雷达数据处理中新息序列的统计特性分析

在雷达数据处理中,卡尔曼滤波下新息的白噪声特性具有十分重要的作用,常用于野值剔除和机动检测。以往对新息序列的白噪声特性缺乏直观的理论证明方法,并且没有从实际滤波角度来检验白噪声特性。首先结合卡尔曼滤波,给出了一种新息序列白噪声特性更为直观的理论证明方法,并在误差模型假设统计为有色噪声的情况下,对新息序列如何白化进行了分析,然后采用一个常用的运动模型,利用仿真实验从数值计算角度验证了理论的正确性。     

基于VTA的超视距雷达海面目标检测前跟踪算法

针对超视距雷达（OTHR）海杂波环境下的目标检测问题,提出了一种基于贝叶斯滤波和VTA的检测前跟踪算法。将雷达回波信号进行距离、方位维处理后,即在多普勒级进行信号处理。对每一个距离、方位单元,利用临近单元信号构建白化滤波器对信号进行预白化处理,采用贝叶斯滤波方法构造各个检测单元目标存在的广义似然比,即路径积分矩阵的各元素。采用Viterbi算法进行检测跟踪,在输出检测结果的同时给出目标航迹。仿真结果表明,该算法可以有效地解决跨单元问题,检测到目标。     

利用射频误差信号提高脉冲雷达的角跟踪精度

本文首先分析了传统脉冲测量雷达在各种内部、外部扰动作用下对高动态目标进行跟踪时面临的问题,在此基础上,将射频误差信号与天线指向信号作为量测信息引入观测方程,并且利用数值微分法对被跟踪的高动态机动目标建立了一种简单的估计模型,采用常规卡尔曼滤波算法估计出准确的目标角位置、角速度和角加速度的当前值和一步预报值。这种方法实现简单,作为机动目标的实时前处理算法,能够有效补偿各种内部、外部扰动对脉冲雷达角跟踪精度的影响,改善角度捕获的动、静态品质。     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

基于“当前”统计模型的容积卡尔曼滤波算法北大核心CSCD

由于雷达探测目标是在极坐标系下进行的,因此在直角坐标系下建立雷达跟踪系统的状态方程和观测方程时,观测方程是非线性的,基于"当前"统计模型的机动目标跟踪不能直接通过标准卡尔曼滤波实现。文中在"当前"统计模型基础上,提出用容积卡尔曼滤波来实现非线性滤波,并将其与扩展卡尔曼滤波进行比较。通过对一个三维空间中机动目标跟踪的仿真,表明该算法能稳定跟踪目标,且跟踪精度高。