一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

一种红外与雷达信息融合跟踪算法及其性能分析

为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。     

修正极坐标系纯方位跟踪算法分析与改进

通过修正极坐标系(MP)的广义卡尔曼滤波,提出了一种探测水中目标位置及其他各项运动参数的估计方法.基于广义卡尔曼滤波算法,设计了舰船以"Z"形路线追踪目标的纯方位跟踪模式;根据舰船的运动特点,改进算法实现了对存在机动行为的目标进行有效跟踪.仿真结果表明该方法稳定性强,对测量精度要求低并可用于跟踪机动目标.     

基于多导弹协同目标探测的空间配准算法

在多导弹协同目标跟踪技术中,通过将多传感器的观测信息进行融合产生目标的全局航迹。理想情况下,各传感器的偏差认为是零,然而实际中由于偏差的存在导致融合效果变差,需要通过空间配准对误差进行估计和补偿。本文主要针对两类误差:传感器量测(系统)误差和姿态(定向)误差,提出一种改进的基于地心地固坐标系的卡尔曼滤波(ECEF-KF)方法。首先建立了系统误差和姿态误差模型;其次将弹上传感器的量测转换至公共坐标系(ECEF system),隔绝了导弹自身的运动;然后构造关于状态的线性伪量测并通过卡尔曼滤波(KF)对各偏差进行估计。仿真结果表明,该算法可准确估计各偏差量的大小,并通过误差补偿极大提高目标跟踪的精度。     

基于距离跟踪的矢量脱靶量测量方法

提出了一种基于纯距离跟踪的空间目标运动轨迹提取的矢量脱靶量参数估计新方法.该方法利用脉间频率步进体制的脱靶量测量系统获得较为精确的瞬时距离信息.通过建立目标运动模型,采用纯距离目标跟踪定位的有限差分扩展卡尔曼滤波算法,获得目标运动的精确轨迹.利用跟踪得到的空间位置点,时矢量脱靶量参数进行估计.仿真结果表明该方法可以得到满意的矢量脱靶量估计结果.     

水下弱目标跟踪的深度学习方法研究

针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差,导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题,为此提出一种基于神经网络的目标跟踪方法,利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练,有效解决水声目标数据少、标记样本不足的问题;在量测不连续条件下,提出一种新的损失函数用于增强目标跟踪模型的稳健性;对未学习的仿真数据及实测海试数据进行测试。研究结果表明：构建的卷积神经网络(Convolutional Neural Network, CNN)模型适用于3种不同运动模式下的目标,能在平台静止和运动两种情况下稳定跟踪目标;CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°,验证了该模型的稳健性和可推广性。     

不完全量测下光电跟踪系统中冗余测角信息的攫取研究

针对由激光测距机与精密测角设备组成的光电跟踪系统,为了攫取跟踪系统的冗余测角信息以提升不完全量测下跟踪系统的估计性能,设计了基于验后置信度残差检测的联邦目标跟踪滤波器.依据物理结构将跟踪系统的位置探测通道分解为测距与测角2个探测通道,并对2个探测通道的量测数据分别进行基于验后置信度残差检测的目标状态估计.将估计结果送至...     

机动目标跟踪的多传感器分层加权融合算法

针对应用并行,Bar Shalom-Campo等融合算法实现多传感器对机动目标的融合跟踪时,经典的交互多模型(IMM)无法提供目标运动模型这个先验信息的问题,提出一种机动目标跟踪的多传感器分层加权融合算法,该算法通过分层加权得到多种融合算法所需的目标运动模型信息,最后使用扩展卡尔曼滤波器(EKF)对状态预测和量测进行融合估计,实现了多传感器对机动目标的融合跟踪。仿真实验表明,和单传感器相比,所提算法显著提升了机动目标的跟踪精度。     

基于波形参数设计的认知雷达跟踪方法

针对传统雷达对机动目标进行跟踪时,跟踪误差大、不能充分利用环境信息等问题,提出了基于波形参数设计的认知雷达跟踪方法。该方法首先将目标的运动状态和发射波形参数相联合来构建目标的量测和状态方程,然后引入粒子群优化粒子滤波方法对目标状态进行实时估计,在此基础上推导了系统跟踪精度的后验克拉美罗界(PCRB),并以后验克拉美罗准则来认知设计雷达发射波形参数。仿真结果表明,与传统方法相比,所提方法能够更好地完成对运动目标的跟踪。     

图像序列中多目标跟踪方法

介绍了一种以目标形心位置和帧间位移测量的多目标跟踪方法。当目标在传感器视场中交叉运动,图像相互重叠时,得到由两个目标形心位置线性组合的融合后的图象测量方程。图像的重叠导致状态估值误差的相互依赖性,利用联合测量耦合滤波器对两个目标进行状态估值,并提出了改进的滤波模型。仿真结果表明,该算法能实现对交叉运动目标进行精确跟踪。