估算转弯加速度的卡尔曼滤波器

近年来由于计算机的飞速发展，计算速度越来越快，所以用相控阵天线跟踪目标时采用卡尔曼滤波器已成为现实。对直线飞行的目标，卡尔曼滤波器能得到良好的跟踪精度，但若目标的加速度为高斯噪声，目标转弯时跟踪精度会降低。对处理转弯目标的跟踪精度曾提出两种方案，即估算输入的卡尔曼滤波器和二级卡尔曼滤波器。这些卡尔曼滤波器是在目标的运动模型上使位置和速度矢量与加速度矢量分离，利用预测误差估算加速度的。但由于对预测增减较大的目标的急转弯与目标运动模型不匹配，所以得不到良好的跟踪精度。为此提出了为处理目标的急转弯，不用预测误差而是通过卡尔曼滤波器估算的位置计算出形成飞行轨迹的转弯半径和角速度。还通过计算机仿真与原来的中方式进行比较，证明了其有效性。     

一种应用于星光观测导弹姿态确定的强跟踪滤波算法

为提高基于星光观测的导弹姿态确定系统的非线性滤波器性能,对更具自适应能力的强跟踪扩展卡尔曼滤波器进行了研究。针对一般强跟踪扩展卡尔曼滤波算法的自适应能力有限的缺点,推导了一种能根据每一个状态噪声的变化来调解误差方差阵中相应的渐消因子的强跟踪滤波算法,根据其在导弹姿态确定中的应用特点对其进行了优化;并将其应用到基于星光观测的导弹姿态确定仿真中以验证算法的效果;仿真实验说明算法的速度、精度和可靠性能够满足基于星光观测的导弹姿态确定的需要。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法.传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高.在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化.对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较.仿真结果表明新算法的模型更准确,跟踪性能更好.     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法，利用扩展卡尔曼滤波器进行非线性滤波，取Taylor展开的前两项，可能引入较大的线性化误差，导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述，并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确，跟踪性能更好。     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。     

应用BP网络校正的卡尔曼滤波器

当目标作机动飞行时,由于未知机动引起的估计误差的影响,卡尔曼滤波器的跟踪性能将会严重下降。提出了一种应用BP神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,BP网络可以辨识非线性机动,修正卡尔曼估计值,改善跟踪效果。同时还研究了BP网络的自适应算法。对两个变加速机动目标的跟踪结果表明,经过BP网络校正的卡尔曼滤波器不会发生误相关,跟踪的精度较高。     

红外探测阵列对固体导弹尾焰跟踪定位的研究

通过分析研究建立了前视红外探测阵列ＦＬＩＲ（Ｆｏｒｗａｒｄ Ｌｏｏｋｉｎｇ Ｉｎｆｒａ－Ｒｅｄ）对导弹进行精确跟踪、定位的数学模型，其中包括导弹的运动模型、大气干扰模型和探测阵列的观测模型。利用探测阵列ＦＬＩＲ的原始观测数据，扩展卡尔曼滤波器（ＥＫＦ）精确跟踪导弹目标。由于导弹与探测器的距离较远，故为视为点目标。导弹在探测阵列上投影的位置由两部分组成：导弹真实运动位置和由于大气干扰造成的偏移。滤波     

密切关联的高距离分辨率自动目标识别与动目标显示跟踪系统的多模型估计器

本项研究的目的是利用采用高距离分辨率雷达（HRRR）与动目标显示测量的跟踪与自动目标识别系统之间的关联性。正如下文将要提到，这些系统是通过姿势、运动状态以及联贯约束关联起来的。利用这些关联性可使一个紧密关联的系统的性能大为提高。这一问题涉及两类不同类型的空间，即连续的运动学空间（如位置与速度），与离散的目标类型空间。我们选用多模型估计器（MME）来解决这一问题。MME由一组扩展卡尔曼滤波器组成（每一个目标类型配备一个滤波器）。采用这些扩展卡尔曼波滤器来处理连续的运动学空间的数据。此外，还要计算出每一个卡尔曼滤波器的概率并利用来测定对应的离散空间目标概率。本文给出的实验结果表明其性能优于常规的方法。     

相对测量信息不全的航天器相对轨道确定方法研究

针对近圆轨道航天器交会或远距离伴飞相对测量导航过程中,测量信息不全情况下的航天器自主相对轨道确定问题进行了研究.给出适合描述较远距离相对运动的二阶近似模型,并在采用雷达或光学测量的基础上设计了扩展卡尔曼滤波器.数学仿真结果表明,在观测量较少或存在部分区域不可测情况下,通过扩展卡尔曼滤波算法能够以较高精度估计出目标航天器的相对轨道.     

非合作目标交会接近的自主检测和跟踪方法研究

提出一种针对空间非合作目标交会接近的自主检测和跟踪方法。在摄像机捕获原始图像后,利用推导的主动星高精度姿态来确定摄像机的精确指向,并结合恒星星库进行初步恒星对象剔除操作,随后基于不同对象在图像中的运动轨迹差异进行目标的精确识别。在目标仅视线角可观测的条件下,基于相对轨道根数建立相对运动方程,并利用扩展卡尔曼滤波器(EKF)构建仅测角相对导航滤波器以推导出主动星和目标之间的相对运动状态。最后通过搭建的半物理仿真平台,对该方法在3种轨道场景中的性能进行了仿真测试,结果显示,当卫星姿态确定的指向精度在优于3″的条件下,该方法的目标检测正确率在96%以上,提出的仅测角相对导航滤波器的相对定轨精度在所测距离范围的1%以内。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

一种单站无源定位原理与目标跟踪算法研究

基于辐射源的信号到达方向(DOA)及其变化率信息,提出了一种对机动目标进行单站无源定位与跟踪的方法。根据建立的目标机动模型和测量方程,分别用扩展卡尔曼滤波(EKF)和修正协方差扩展卡尔曼滤波(MVEKF)算法实现对机动目标的定位与跟踪,并给出了算法模型。仿真结果表明,该法正确有效,定位精度较高、收敛速度快。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题，提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先，根据再入滑翔目标的飞行特性，将加速度看成是未知的确定输入构建运动学跟踪模型；然后，对目标的非线性量测信息进行无偏转换，并将得到的噪声协方差矩阵进行解耦，降低算法的复杂度；最后，利用回顾成本的输入估计对未知加速度进行重构，采用递推最小二乘法更新输入估计器的参数矩阵，同时将估计的加速度引入到卡尔曼滤波框架下，实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

基于航迹关联的抗角闪烁跟踪算法研究

角闪烁背景下，高分辨雷达在近距离跟踪阶段存在不能精确跟踪的问题。针对此问题，分析了基于距离高分辨的单脉冲测角方法，并在此基础上，结合距离向强散射点的幅度特征，提出了一种基于航迹关联的抗角闪烁跟踪算法。算法首先对和通道、方位差通道、俯仰差通道的回波信号分别进行脉压和相参积累；然后在和通道的高分辨一维距离向上实现目标强散射点的检测，依据幅度进行排序并输出各点的距离信息和角度信息；最后利用联合集成概率数据互联算法作为目标跟踪滤波算法进行跟踪。本文通过对ku波段实测数据中入射余角为60°~69°的近距离跟踪部分进行分析，将所提算法与卡尔曼滤波跟踪算法进行了对比，仿真结果表明，本文算法使多目标跟踪的精度得到了提高，具有更好的角闪烁抑制性能。     

基于深度学习的目标跟踪技术及其多波段应用研究

目标跟踪是计算机视觉领域中最具挑战性的领域之一。首先，回顾了目标跟踪技术发展现状并总结出目标跟踪的一般流程；其次，分析了卡尔曼滤波、粒子滤波等传统目标跟踪方法的优缺点；再次，依次重点介绍了固定窗跟踪等相关滤波目标跟踪方法，以及全网络自适应目标跟踪等高性能目标跟踪方法；最后，总结了目标跟踪在红外、毫米波、太赫兹等波段的应用，并对多波段融合目标跟踪进行了展望。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。