机动频率自适应的机动目标模糊跟踪算法

分析了基于＂当前＂统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整＂当前＂统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明：该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于＂当前＂统计模型的跟踪算法.     

高度机动目标Jerk模型及改进算法

针对Jerk模型常规算法跟踪Jerk机动时存在稳态确定性误差的固有缺陷,提出了Jerk模型改进算法。改进算法融合了Jerk模型及当前Jerk模型。Jerk模型描述弱Jerk机动,采用位置估计偏差和加速度变化率方差之间的关系调整系统噪声方差;当前Jerk模型描述强Jerk机动,采用修正瑞利分布描述加速度变化率方差统计特性。在滤波算法方面,引入模糊分布函数和强跟踪滤波器,改善了对弱Jerk机动的跟踪精度,并提高了对强Jerk机动的跟踪能力。理论分析和仿真结果表明,改进算法克服了Jerk模型常规算法的缺陷,能自适应地逼近不同强度的Jerk机动并进行准确跟踪。该算法在不同强度信号噪声比和不同量测噪声下,误差变化相对稳定,具有较好的跟踪精度。     

基于CS-Jerk模型的改进机动目标跟踪算法

文中通过对CS-Jerk模型中的参数以及卡尔曼滤波的分析,提出了一种改进的CS-Jerk模型目标跟踪算法。该算法根据量测新息及其变化率,通过模糊推理机制自适应的调整"当前"统计Jerk模型的机动频率,接着利用强跟踪滤波器对运动模型进行滤波来弥补卡尔曼滤波器的不足。仿真结果表明,提出的改进CS-Jerk模型目标跟踪算法显著提高了原CS-Jerk模型在不同机动模式下对高机动目标的跟踪精度,验证了算法的合理性和可行性。     

机动目标自适应跟踪算法研究

为了克服“当前”统计模型自适应跟踪算法（CAF）跟踪匀速运动目标误差较大和跟踪加速机动目标速度与加速度估计误差和动态时延较大的缺陷,通过分析研究CAF算法,采用截断正态分布表征目标的机动加速度特性,考虑风速和加速度估计均值的影响,对机动加速度与方差自适应关系修正,自适应补偿过程噪声协方差矩阵,提出了一种改进的机动目标自适应跟踪算法。理论分析与仿真结果表明,该算法能够准确描述目标的各种机动情况,具有良好的跟踪性能和实际应用价值。     

基于"当前"统计模型的模糊自适应跟踪算法

基本的机动目标“当前”统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行很好的跟踪,但是在跟踪弱机动目标时却存在较大的误差。针对这一问题,新算法中引入一种非线性模糊隶属度函数来自适应地调整目标加速度上下限,并从理论上分析了新算法对于弱机动目标跟踪的有效性。通过计算机仿真验证了新算法相对于基本“当前”统计模型及其自适应跟踪算法的明显优势。     

基于交互式“当前”统计多模型的机动目标跟踪算法

针对巡航导弹类目标的运动特性,建立了蛇形机动攻击弹道模型,提出了一种改进的交互式"当前"统计多模型算法。该算法通过引入高斯隶属函数对"当前"统计模型的加速度方差极限值进行在线调整,使其可适应不同机动程度的目标;将不同机动频率的当前统计模型作为子模型融入交互式多模型,通过不同机动频率子模型的相互作用,进一步增强交互式模型的自适应跟踪能力。仿真结果表明,该算法跟踪过程平稳,跟踪精度高,收敛速度快,计算量适中,可用于末端防空武器拦截巡航导弹类目标。     

一种改进的机动目标“当前”统计模型的描述

讨论了机动目标加速度的“当前”统计模型问题。推导出基于修正瑞利分布的机动目标加速度的“当前”统计模型的适用范围。提出一种改进的机动目标加速度的“当前”统计模型描述。仿真结果表明,基于本文提出的机动目标加速度“当前”统计模型建立的机动目标自适应跟踪算法,其跟踪精度更佳。     

机动频率模糊自适应目标跟踪算法研究

在分析"当前"统计模型及自适应滤波技术基础上,提出了一种机动频率模糊自适应目标跟踪(FAMF)算法.通过模糊控制方法,在线调节"当前"统计模型的机动频率参数,使模型对不同的目标机动模式有更强的自适应能力.在想定初始条件下,对FAMF算法进行Monte Carlo仿真对比实验,结果表明:FAMF算法运行稳定,适应能力强,有效的提高了"当前"统计模型的跟踪性能,便于实际应用.     

一种改进的机动目标跟踪算法

针对“当前”统计模型算法中加速度极限值预先设定对算法造成的不利影响,提出了一种改进的机动目标跟踪算法,即位置偏差估计自适应算法．该算法利用位置预测估计与位置估计之间的偏差对噪声方差进行自适应调整,从而避免了加速度极限值的预先设定问题,提高了机动目标的跟踪性能．仿真结果也表明了该算法的良好跟踪性能．     

基于模糊推理的自适应交互多模型目标跟踪算法

提出了一种模糊自适应IMM算法（FAIMM）,通过模糊逻辑,根据加速度估计值,自适应地摒弃概率较小的模型,仅选取整个模型集合中最能反映目标“当前”机动的一个模型子集进行运算,从而减少了模型数目;同时采用模糊方法计算模型概率,从而降低了算法的计算量;进一步,通过二级模糊推理,根据模型参考加速度ui的大小自适应地选择适当的最大机动加速度amax和a-max,使系统具有一定的方差调整能力,从而提高了跟踪精度。仿真结果表明,较之于标准IMM算法．FAIMM算法在机动目标跟踪精度、跟踪的平稳性以及收敛速度等方面都有所改善。     

基于自适应卡尔曼滤波的环境函数模型修正

为更好地评价制导工具误差,提出一种对环境函数模型修正的方法。利用机动目标跟踪理论和环境函数模型,分别建立了状态方程和观测方程,并利用机动频率自适应算法和偏差协方差自适应算法进行卡尔曼滤波,得到更精确的平台坐标系视加速度。以某型导弹为例,分别用传统环境函数模型和改进后环境函数模型对一段时间内平台坐标系各轴进行了仿真,结果表明该模型有更好的计算结果。     

一种"全面"的自适应机动目标跟踪算法

基于截断正态概率密度模型建立修正的截断正态概率密度模型。利用该模型并结合速度估计自适应模型提出一种“全面”自适应机动目标跟踪算法(OAF)．此算法能够避免机动加速度最大值的预先设定,自适应调节目标跟踪算法中的机动频率。进一步运用神经网络方法,将机动频率与过程噪声方差进行融合,通过在线调节神经网络权值获得融合后的系统方差输出,降低现有算法因系统参数调整不当带来的精度损失。理论分析及仿真结果表明,与单纯的速度自适应模型算法相比,该算法跟踪机动目标和非机动目标时精度分别提高49. 61%和48.34%．     

一种提高雷达导引头对机动目标跟踪性能的自适应滤波算法

为了提高地空拦截弹雷达导引头对机动目标状态估计的精度,在增加系统观测量的基础上,提出了一种针对机动目标跟踪的自适应滤波算法。利用量测残差统计值估计目标的机动状态,自适应的调整状态方程机动频率和加速度极限值;同时利用观测噪声统计估值器,调整观测值方差大小。仿真试验结果表明该算法具有良好的机动目标跟踪性能,并能自适应变化较大的观测噪声。     

A Fuzzy Adaptive Algorithm Based on ＂Current＂ Statistical Model for Maneuvering Target Tracking

The basiccurrentstatistical model and adaptive Kalman filter algorithm can not track a weakly maneuvering target precisely,though it has good estimate accuracy for strongly maneuvering target.In order to solve this problem,a novel nonlinear fuzzy membership function was presented to adjust the upper and lower limit of target acceleration adaptively,and then the validity of the new algorithm for feeblish maneuvering target was proved in theory.At last,the computer simulation experiments indicated that the ne...     

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。     

基于贝叶斯滤波算法的警戒相控阵雷达目标跟踪时间资源优化分配算法

针对警戒相控阵雷达的目标跟踪时间资源优化配置问题,基于贝叶斯滤波算法提出一种 应用于警戒相控阵雷达的变数据率跟踪算法。传统Cohen算法受量测噪声起伏影响引起跟踪数据率抖动,在目标反向机动阶段易造成目标的失跟;新算法在非机动时段利用正态分布的2σ准则对目标是否机动进行判决,在机动时段目标加速度服从修正的瑞利分布;在数据率增加和降低阶段采用不同平滑系数能够快速响应目标机动且确保在反向阶段不失跟。通过两个机动实例进行仿真验证,结果表明:新算法能够有效地抑制目标反向机动时的失跟问题;与传统Cohen算法相比,新算法能够快速响应目标机动。