闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.     

增强型比例导引系统制导性能的研究

应用随机过程及成型滤波器的理论知识,构建了目标随机机动及过程噪声模型,建立了基于过程噪声与测量噪声的增强型比例导引工程应用模型,设计了卡尔曼滤波器来估计系统状态,引入蒙特卡洛法计算脱靶量均方差.通过仿真,分析了采用过载驾驶仪的增强型比例导引系统不同的制导性能指标,并与比例导引制导律进行对比分析,结果表明,测量噪声较大时APN对噪声的抑制效果好于PN,这为增强型比例导引的工程应用提供了依据.     

基于无迹卡尔曼滤波的超空泡航行体最优控制研究

针对超空泡航行体运动过程中环境噪声和测量噪声带来的不利影响,提出一种基于无迹卡尔曼滤波器（UKF）的最优控制算法。通过超空泡航行体动力学建模,建立含有环境噪声和测量噪声的状态方程,分别在无滤波器和含有UKF情况下的最优控制器进行了仿真分析。研究结果表明：在环境噪声和测量噪声干扰下,超空泡航行体跟踪误差较大,运动极其不稳定,处于失稳状态;在UKF作用下,超空泡航行体跟踪误差明显减小,在较短时间内达到全包裹状态,有较好的信号处理效果。     

机动目标跟踪算法研究

文中以二维TWS目标指示雷达为背景,对其跟踪算法进行了深入研究,设计出了实时性及通用性较好的跟踪算法.提出了极坐标系下的修正卡尔曼滤波器,并对伪加速度的影响进行了补偿,对机动加速度及其方差进行了自适应控制.     

基于后验量测修正的卡尔曼滤波算法

针对卡尔曼滤波器鲁棒性差,对突变状态跟踪能力有限的问题,提出了基于后验量测修正的卡尔曼滤波算法(PMKF)。该算法利用改进的判决准则对滤波状态进行实时判断,状态平稳时采用卡尔曼滤波,状态突变时采用提出的后验量测卡尔曼滤波算法(PKF)进行修正。理论分析及仿真结果表明,该修正算法不但削弱了状态突变对滤波的影响,克服了模型失配导致的滤波精度下降的问题,而且通过实时修正,提高了稳态时的滤波精度,缩短了滤波收敛时间。改进的判决准则对连续突变状态也具有更强的检测能力。     

战术弹道导弹SINS/GPS组合制导研究

研究了如何在战术弹道导弹 SINS上添加 GPS实现组合制导 .系统分析了战术弹道导弹 SINS/ GPS的不同组合模式及相应的数学模型 .分析了传统的卡尔曼滤波器算法的自身缺陷 ,设计了具有自动跟踪噪声统计性能的自适应卡尔曼滤波器 ,这种算法可以部分消除由于噪声统计性能的不确定性而对卡尔曼滤波器产生的不良影响 ,提高卡尔曼滤波器的滤波性能 .针对传统的卡尔曼滤波算法计算量大的缺点 ,将大系统分为若干个子系统 ,推导出了逐次正交化分布式卡尔曼滤波器算法 ,既保证了精度 ,又大大减少了计算量 .还分析了战术弹道导弹 SINS/ GPS组合制导的引入时机、制导方案的选择、对 SINS的校正方法 ,最后确定出了最可行的制导和校正方案     

非高斯环境下基于GPF算法的目标跟踪

介绍了高斯粒子滤波器(GPF)的基本思想和具体算法的实现步骤,并讨论了此算法在机动目标转弯模型跟踪中的应用,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)的跟踪性能差异。仿真结果表明,GPF有效地改善了目标跟踪的效果,相比PF在精度和计算复杂度方面均有了明显改善。     

一种目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于扩展卡尔曼滤波器的目标状态与系统偏差的联合估计算法,并在此基础上探讨了三种系统偏差条件下状态估计的初始化方法。Monte-Carlo仿真表明,ASEKF算法能有效地对目标状态和系统偏差进行实时联合估计。     

基于时间序列方法的自校正滤波器设计

文中设计了一种新的基于ARMA模型自校正卡尔曼滤波器，从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明，在未知部分模型参数和噪声统计特性的情况下，自校正卡尔曼滤波器的滤波性能．非常接近稳态最优卡尔曼滤波器。且计算过程简单．并可以在线建模．适用于部分慢时变系统。     

A New Filtering Algorithm Utilizing Radial Velocity Measurement

Pulse Doppler radar measurements consist of range, azimuth, elevation and radial velocity. Most of the radar tracking algorithms in engineering only utilize position measurement. The extended Kalman filter with radial velocity measureneut is presented, then a new filtering algorithm utilizing radial velocity measurement is proposed to improve tracking results and the theoretical analysis is also given. Simulation results of the new algorithm, converted measurement Kalman filter, extended Kalman filter are compared. The effectiveness of the new algorithm is verified by simulation results.     

矢量水听器与Kalman滤波在水雷引信中的应用

将基于声压振速的矢量水听器应用于水雷上,可以实现对水面运动目标的精确测向,获得方位角和俯仰角。根据水雷定深、方位角、俯仰角3个观测量,利用Kalman滤波算法实现对水面运动目标航迹估计与跟踪,提高水雷的精确打击能力。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

基于EKF的机载光电吊舱目标定位研究

为提高机载光电吊舱进行目标定位的精度,研究吊舱的设备测量误差对目标定位精度的影响,推导了目标定位方程,并建立了目标定位的扩展卡尔曼滤波(EKF)模型.通过在Matlab/Simulink中进行仿真,定量分析了吊舱的测距误差、高低角和方位角误差对目标定位精度的影响.结果表明定位误差可以在2 s的时间收敛到5 m,提高了定位精度和收敛速度;分析测量误差对定位精度的影响,可为吊舱的精度分配或改进提供理论依据.     

基于人机交互的免锚检测和跟踪系统设计

为提高越野环境中目标检测和跟踪的准确率和效率,提出一种基于人机交互的免锚检测和跟踪系统。该系统由检测系统、指挥系统和目标跟踪系统组成。检测系统,在基于点的点云特征提取框架的基础上,设计一种免锚的目标检测网络结构;指挥系统通过相机实时获取环境态势信息,人机交互地在检测网络输出的目标序列中选择跟踪目标;跟踪系统利用检测网络输出的目标序列的外观模型和指挥系统下发的跟踪目标外观模型进行匹配来确定跟踪目标,再基于卡尔曼滤波算法进行目标运动估计。基于越野场景的实车数据进行了验证。验证结果表明：基于人机交互的免锚检测和跟踪算法在不增加算法时间的同时实现了超91%的准确率,能够满足无人驾驶车辆在越野场景的使用要求。     

基于滤波器组的船舶静电场跟踪

针对船舶静电场跟踪中先验信息缺失的问题,引入滤波器组方法,提出了一种新的船舶静电场跟踪算法。建立船舶静电场跟踪的状态空间模型,用水平电偶极子对船舶静电场进行建模;以渐进更新扩展卡尔曼滤波为基本滤波单元,采用一组滤波器对目标进行跟踪;根据电场计算公式设计滤波初值,并利用最大似然法确定可靠的跟踪轨迹。仿真和海上电偶极子跟踪实验表明,滤波器组方法能够有效地解决先验信息缺失条件下的船舶静电场跟踪问题,最大似然选择法能够筛选出正确的跟踪轨迹,在跟踪过程中滤波算法对方位信息更加敏感。     

中段弹头IMM-EKF跟踪方法及性能分析

为了提高中段弹头跟踪收敛速度以及跟踪精度,提出了一种基于交互多模型(IMM)的扩展卡尔曼滤波(Extended Kalman Filter,EKF)的跟踪算法。基于中段弹头加速度变化特点,建立了目标的中段系统动力学模型及量测模型,通过引入速度测量值,使用IMM-EKF算法对中段目标进行跟踪。仿真结果表明,通过交互多模的非线性滤波算法,可以使中段跟踪收敛速度大为加快,速度测量值的引入也使得跟踪精度有所提高,并在弹头中段与再入段衔接处有较好的跟踪性能; 验证了IMM-EKF跟踪中段弹头的有效性。     

基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别

为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度（PHD）滤波的多目标跟踪与基于无迹Kalman滤波（UKF）的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型（匀速直线与匀速转弯模型）,针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。     

基于改进 Mean Shift 的运动目标跟踪算法

为了提高传统 Mean Shift 算法在目标快速运动和被大面积遮挡两种情况下跟踪的效果,对 Mean Shift 跟踪算法进行了3点改进：采用 Kalman 滤波器预测运动目标轨迹,以提高算法对快速运动目标的鲁棒性;提出了一种融合Kalman 滤波器残差和 Bhattacharyya 系数的遮挡处理机制,以提高目标被大面积遮挡时的跟踪效果;提出了一种基于自适应更新因子的目标模型更新机制,以提高动态适应能力。对比实验结果表明,改进算法能有效提高在上述两种情况下的跟踪效果,并且在遮挡情况下具有较好的鲁棒性。     

一种多模式融合的红外成像跟踪算法

综合运用灰度的相关跟踪、特征点的匹配跟踪和卡尔曼滤波等三种基本模式,采用变分辨率搜索算法,建立了跟踪置信度评估、模板自适应刷新、相似目标辨识、跟踪结果融合等准则。试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的稳定性和抗干扰性。