多站雷达功率分配自修正凸松弛算法

为了在发射功率有限的情况下提高雷达性能,提出了一种用于多站分布式雷达对目标定位时采用的功率分配算法．首先给出了多站雷达对目标定位时误差的克拉美罗下界,并将其作为代价函数进行功率优化分配;其次,将目前流行的凸松弛算法加以改进,通过对凸松弛参数的自修正减少凸松弛算法引入的额外误差,并逼近最优结果,充分利用了有限的多站雷达系统发射资源;最后,仿真结果验证了所提算法的有效性．     

面向机动目标跟踪的多传感器长时调度策略

为解决杂波环境下机动目标跟踪以及系统辐射风险控制的问题,提出了一种面向机动目标跟踪的多传感器长时调度策略.该方法首先以交互式多模型和概率数据关联算法为基础,估计杂波环境下机动目标跟踪精度.然后以辐射度影响量化辐射代价、推导有限时域内辐射代价,以后验克拉美-罗下界衡量目标跟踪性能、预测机动目标有限时域内后验克拉美-罗下界.最后,引入传感器切换代价,考虑跟踪精度约束,建立基于代价函数和后验克拉美-罗下界的多传感器长时调度策略,并将该约束调度问题转化为决策树优化问题,采用阈值剪枝搜索技术求解最优策略.仿真结果表明:该方法验证了所提策略的有效性,与标准代价搜索相比,所提搜索算法能够以辐射风险略上升为代价,显著降低节点打开数、加快搜索空间;与随机调度、最近调度和贪婪调度相比,所提调度策略能够在满足跟踪任务需求下获得更低的辐射代价;与随机调度和贪婪调度相比,所提调度策略切换代价更低,有效克服了传感器频繁调度问题,更利于实际实现.     

基于噪声自适应的交互式多模型算法研究

机动目标跟踪精度大都依赖于匹配的系统模型和已知的噪声统计特性。模型匹配法主要采用交互式多模型算法来提高系统模型与机动目标状态的匹配。该算法的有效应用已经成功提高了机动目标的跟踪精度,但该算法只是针对系统模型的不确定性提出的解决方法,并没有解决噪声统计特性不确定的问题。针对噪声统计特性未知而导致滤波精度下降的问题,本文提出了噪声自适应的交互式多模型机动目标跟踪算法。仿真结果表明,噪声方差未知的情况下,本算法的跟踪性能优于传统的交互式多模型算法,提高了机动目标跟踪的精度。     

基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究

文章设计了一种基于“当前”统计模型的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法.首先在交互式多模型算法框架内,计算“当前”统计模型的概率,自适应地调整“当前”统计模型中目标加速度,提高了“当前”统计模型的自适应性.其次,该算法结合了交互式多模型和无迹卡尔曼滤波算法,该算法具有交互式多模型具有对不同目标机动模式自适应跟踪的能力和无迹卡尔曼滤波滤波度高的优点.最后,采用分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度.通过对三维机动目标进行仿真,结果表明文中所设计的IMM-UKF融合算法对于跟踪以多种机动策略实时机动的目标具有较好的跟踪性能,可以减小系统机动跟踪的误差均值和标准差.较之传统的交互式多模型算法,跟踪性能更加优越.     

长航迹稳定跟踪的雷达功率分配算法

分布式组网雷达系统在处理跟踪任务时,低信噪比会导致目标检测概率小于1,进而可能导致目标航迹中断。为此,提出了一种长航迹稳定跟踪的分布式组网雷达功率分配算法,通过对雷达系统功率资源的优化配置,同时保证了航迹连续性与良好的系统跟踪性能。首先建立了分布式雷达回波信号及量测模型,然后推导了不确定性量测下的贝叶斯克拉美罗界(BCRLB),进而建立了功率分配问题数学模型。该优化问题中包含复杂非凸约束,为了对其进行高效求解,最后提出了一种基于凸优化的自约束功率分配(SCPA)算法。仿真结果表明,所提SCPA算法可以保证跟踪全阶段所有目标航迹不中断,并保持良好的跟踪性能。     

基于Unscented卡尔曼滤波的目标跟踪仿真分析

卡尔曼滤波技术是目标跟踪的理论基础之一.在工程应用中,多采用非线性滤波的方法对目标进行跟踪.介绍了Unscented变换,通过使用Unscented卡尔曼滤波(UKF)对目标跟踪进行仿真实验,Un-scented卡尔曼滤波有效地克服了传统的扩展卡尔曼滤波算法(EKF)的缺陷.给出了最佳估计的二阶近似,提高了对目标跟踪的精度和稳定性.仿真结果表明,该算法对目标在位置、速度跟踪方面均有良好的效果;针对目标机动,采用多模型滤波算法能够实现目标机动的精确跟踪.     

基于改进卡尔曼滤波目标跟踪分簇方法研究

针对现有的目标跟踪分簇算法没有从根本上解决参与跟踪的节点数量过多,导致整个无线传感器网络(WSN)能耗的增加问题,提出一种基于Fisher信息矩阵的改进卡尔曼滤波的目标跟踪分簇方法 (Fisher Matrix for Kalman Filter,FMKF),用于针对性的选择节建立跟踪簇。该算法利用随机矢量估计的克拉美罗下界获得未知噪声的统计特性,优化卡尔曼滤波器的误差协方差。在无线传感器网络动态分簇时,创新的使用信息判据作为标准,并且加入节点剩余能量判据。仿真结果显示,FMKF算法与控制簇的激活半径算法和无分簇算法相比,FMKF算法可以在减少跟踪节点的数量的同时提高跟踪精度。     

基于交互式当前统计模型的变采样率跟踪算法

针对相控阵雷达跟踪机动目标时当前统计模型采用固定机动频率和机动加速度上限而难以适应多种目标机动环境,提出了基于交互式当前统计模型的变采样率跟踪算法．该算法将多个当前统计模型作为交互多模型框架下的模型组成,然后根据各模型相关过程噪声值合成计算雷达的采样间隔,实现变采样率跟踪,提高了适应目标机动的能力和跟踪精度．仿真结果表明,本文算法的跟踪性能明显优于基于Singerk模型的变采样率跟踪算法．     

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。     

时差定位最优布站方法研究

针对时差定位,提出了以优化布站来提升定位精度的方法.该方法以克拉美罗下界的迹最小为定位精度衡量指标,通过对时差定位条件下克拉美罗下界的影响因素进行分析,发现接收站到目标的距离对克拉美罗下界没有影响,而接收站到目标的角度对克拉美罗下界有影响.随后,对克拉美罗下界迹的表达式进行了推导,并求得其最小值及取最小值的条件,得到结论:当接收站包围目标并呈等角布站时,对目标定位的克拉美罗下界取得最小值,此时布站最优.     

Power allocation strategy for target tracking in asynchronous multistatic radar systems

A power allocation scheme for target tracking in asynchronous multistatic radar systems (MSRS) is proposed. An optimal centralized method for asynchronous target tracking is first introduced with the derivation of the Bayesian Cramer-Rao lower bound (BCRLB) on the target tracking mean square error (MSE). Then, the BCRLB is utilized as a criterion for the power allocation strategy. The resulting nonconvex optimization problem is solved by the integration of convex relaxation with the gradient projection algorithm. Simulation results demonstrate that equal allocation of the predetermined power budget is not necessarily the best choice and that the tracking accuracy can be greatly improved by the proposed power allocation algorithm.     

Multiple maneuvering extended targets tracking with Gaussian process regression

In view of the complexity of estimating the shape of the extended target and the low accuracy in multiple maneuvering extended targets tracking in the clutters, a multiple maneuvering extended targets tracking algorithm with Gaussian Process Regression is proposed. First, the extension of targets is modeled as a star-convex model. Then, the concept of weights used in the multiple targets tracking algorithm is introduced to the single maneuvering extended target tracking algorithm to realize multi-targets tracking. Finally, the Gaussian Process Regression is used to estimate the shape for the extended target. Simulation shows that the proposed algorithm is capable of tracking multiple maneuvering extended targets in the same scene with different shapes, and outperforms the traditional non-ellipsoidal extended target tracking algorithm in the estimation precision and computing speed.     

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.     

Adaptive Sampling for Near Space Hypersonic Gliding Target Tracking

For modern phased array radar systems, the adaptive control of the target revisiting time is important for efficient radar resource allocation, especially in maneuvering target tracking applications. This paper presents a novel interactive multiple model (IMM) algorithm optimized for tracking maneuvering near space hypersonic gliding vehicles (NSHGV) with a fast adaptive sampling control logic. The algorithm utilizes the model probabilities to dynamically adjust the revisit time corresponding to NSHGV maneuvers, thus achieving a balance between tracking accuracy and resource consumption. Simulation results on typical NSHGV targets show that the proposed algorithm improves tracking accuracy and resource allocation efficiency compared to other conventional multiple model algorithms.     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

一种新的高超声速目标跟踪算法

针对高超声速目标飞行速度快、机动能力强,而经典跟踪模型难以准确描述目标机动时加速度动态特性的问题,提出了一种改进的交互式多模型跟踪算法.该算法引入参考加速度概念,可较准确地描述目标运动特性,并实时结合目标机动的先验信息和动态信息.仿真结果表明,所提出的方法在跟踪高超声速目标时,具有快速收敛、均方根误差小、跟踪精度高的特点,相比Singer-IMM算法,具有更强的适应性.     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

一种杂波环境下机动目标跟踪算法

针对杂波环境下的机动目标跟踪问题,提出了一种利用多普勒量测的机动目标跟踪算法。该方法首先通过多普勒量测解目标径向速度模糊,然后在目标量测方程中增加了径向速度维,将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数,同时在点迹关联时增加了径向速度波门,滤除更多的杂波点,利用多普勒量测计算出的径向速度实时更新观测值中的径向速度。通过计算机仿真,该算法相比传统算法提高了目标位置精度、速度精度和收敛速度。同时还分析了多普勒量测误差对目标跟踪性能的影响,多普勒量测误差越小,目标跟踪性能越好。