时变噪声系统的自适应强跟踪滤波器研究

在目标跟踪过程中,强跟踪滤波可以对目标的突变状态进行较好的跟踪,但由于系统噪声和观测噪声协方差阵是时变的未知量,采用固定数值将会影响目标跟踪的精度,所以需要对两种噪声特征进行在线估计.应用噪声有限记忆自适应算法改进强跟踪滤波,在线自适应估计噪声协方差阵,并提出基于时变噪声系统自适应强跟踪滤波的目标预测算法,提高了对目标状态的估计精度.利用自主研发的全自主足球机器人进行目标跟踪的仿真,结果验证了该算法的有效性.     

雷达侦察系统的信号采集

论述了雷达侦察系统在进行信号采集量化时应考虑的因素和脉冲信号采集的基本类型，讨论了采集雷达区信号脉冲系列的跟踪采集、定时采集和自适应分路采集的方法。指出了圆周扫描搜索雷达信号时域上的截获方法及其频域上的频谱特征，同时还指出了对高速运动目标雷达信号的采集－处理过程，以判断其载体的运动动机和威胁程度。     

认知雷达波形自适应数据关联跟踪算法

针对杂波背景下多交叉机动目标跟踪问题,提出一种认知雷达波形自适应数据关联跟踪算法,该算法选取目标距离-速度-方位作为观测量,并通过调整波形参数来动态改变量测误差协方差。首先,基于信息融合思想提出一种优化的概率数据关联(OPDA)算法,算法充分融合目标位置特征和运动特征对多目标交叉区域公共量测进行分类,使多交叉机动目标跟踪问题转化为多个单机动目标跟踪问题。然后,对实时更新的目标航迹,采用修正的Riccati方程估计下一时刻滤波协方差,并根据波形选择准则函数自适应选择下一时刻波形以提高系统跟踪性能。仿真结果表明,该算法增强了概率数据关联(PDA)算法的环境适应性,而且相比未采用波形自适应的数据关联算法有明显的优势。     

一种加速度干扰下的稳定被动定位跟踪算法

在研究一种具有误差自动解耦的观测域滤波的目标跟踪算法和自适应渐消EKF算法的基础上,提出一种匀速运动模型下,基于观测域的自适应目标跟踪算法。使用实测GPS导航数据进行数字仿真,结果表明：观测域的自适应目标跟踪算法在加速度扰动下,稳定性优于观测域滤波算法。     

抗压制型干扰的空中目标成像跟踪技术

文章针对压制型干扰存在条件下的空中运动目标成像跟踪问题,提出了基于事件分析的抗压制型诱饵的目标跟踪方法。跟踪过程中,根据目标与图像中心的距离保持传感器指向在若干帧内不变,在指向不变的时间内利用平台惯导信息对目标位置进行预测,然后自适应地确定跟踪窗,通过跟踪窗中的特征突变判断目标抛出诱饵、目标与诱饵分离等异常事件的发生,排除诱饵对跟踪过程的干扰。使用仿真和实测数据对跟踪算法的性能(抗干扰成功率、跟踪精度和实时性)进行测试,验证了算法的有效性。     

一种基于简化自适应SCKF的目标跟踪算法

为降低传统自适应SCKF(Square-Root Cubature Kalman Filter)在目标跟踪过程中的计算负担,依据目标跟踪模型中状态方程通常为线性的特点,提出一种简化自适应SCKF算法。该算法在一步预测过程中,利用状态转移矩阵代替容积点,实现对状态变量和协方差矩阵的计算,达到降低运算复杂度的目的。通过对机动目标跟踪的仿真验证:相比于传统的自适应SCKF,提出的简化自适应SCKF不但能够保证跟踪精度,还能有效地提高运算效率。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

一种宽范围非合作目标中频角跟踪接收机的设计与实现

为实现对非合作星间目标信号的捕获跟踪，提出了一种基于单通道单脉冲跟踪技术的非合作目标中频角跟踪接收机软硬件设计方案。硬件平台设计方案结合了FPGA与DSP在算法处理上的优势，涵盖高速ADC设计、系统时钟设计等。针对非合作星间目标信号的特征，提出了不同调制体制、不同码速率的非合作宽带数据传输信号的检测识别、角误差信号提取与分离方案，涵盖数字预处理、数字信道化、信道判决、信号检测估计、角误差信号提取等处理环节。系统捕获跟踪试验结果表明该非合作目标角跟踪接收机可以完成对多种调制体制(BPSK、QPSK、SQPSK等载波相位调制)、不同码速率(1kbps～300Mbps)的非合作宽带数据传输信号的角误差信号提取与分离,载频估计精度优于100kHz，码速率估计精度优于100kbps。本系统可实现对非合作目标信号的有效跟踪，为开展非合作目标角跟踪接收机的工程化研究奠定了扎实基础。     

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。     

基于卡尔曼滤波的成像旋转弹跟踪系统设计

针对采用捷联稳定方案的旋转弹,为实现用数字计算方法提取比例导引所需的弹目惯性视线角速率信号,对一种基于卡尔曼滤波的成像旋转弹跟踪系统设计进行了研究。将目标的随机加速机动视作修正的瑞利-马尔科夫过程,与视线运动方程联立,建立了机动目标跟踪系统数学模型。由稳定平台的惯性测量元件实现对弹体姿态角的计算,另通过大视场捕获目标,获取目标相对光轴的误差角,综合两者可得目标相对惯性空间的视线角,对视线角进行数字微分获得视线角速度。其中,为避免放大测量噪声,采用自适应卡尔曼滤波法估计视线角速度。闭环仿真结果表明:与低通滤波算法相比,自适应卡尔曼滤波算法的精度高,对测量噪声抑制好,可获得比例导引所需的惯性视线角速率和跟踪角误差的滤波值,从而实现高精度控制。     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题，提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建，利用神经网络对目标特征参数进行离线学习并存储，指导机动模型参数实时调整，使模型对运动状态的描述更加合理。为进一步提高跟踪性能，基于人类认知“感知-行动”循环理论，将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端，以最小感知信息熵为代价函数，从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明，该算法对环境及目标的感知更加准确，融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

用卡尔曼滤波实现单轴跟踪系统的前馈复合控制

在跟踪系统中 ,利用目标单轴向运动加速度的非零均值相关模型可以构造目标的运动学方程 ,用接收机角误差信号和天线座测角传感器信号重构目标位置量测的方法 ,可以组成目标运动的量测方程 ,从而构造关于目标位置、速度、加速度的状态估计器。利用目标机动加速度的当前统计模型 ,则实现了该估计器加速度的均值和方差的自适应滤波估计运算。针对状态方程为上三角阵的特点 ,采用一次一个量测的处理方法 ,对误差协方差阵的传播和更新实现全上三角矩阵因子分解 ,保证了估计器实时运算的数字稳定性。上述技术的综合应用 ,用卡尔曼估计器实现了单轴角跟踪系统的前馈复合控制     

基于多策略融合的快速核相关滤波目标跟踪算法

针对核相关滤波算法(Kernel Correlation Filter,KCF)对快速运动目标跟踪精度较低、实时性较差的问题,提出多策略融合的快速核相关滤波(Multistrategy KCF,MSKCF)算法。该算法基于KCF框架,融合多个策略,将Faster Regin-CNN网络结构、特征极差、滤波尺度因子引入目标图像识别窗口标定和尺寸自适应更新,解决了识别窗口与目标大小不适应的问题,实现了自动跟踪。本文采用北斗导航卫星模型进行了验证,结果表明MSKCF可以自主获得初始跟踪窗口,目标跟踪精度与速度均有所提升。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

基于卡尔曼滤波器的高动态GPS载波跟踪环

为解决传统锁相环( PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优.基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案.仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz.     

基于LMS自适应滤波的PCM/FM信号解调方法

通过分析PCM/FM信号特性,利用LMS自适应滤波算法跟踪信号频率,检测误差信号包络,实现信号解调。通过分析影响解调性能的关键参数,基于蒙特卡洛仿真得到相应的最优参数。与传统的叉积鉴频解调相比,基于LMS自适应滤波的PCM/FM信号解调方法抗干扰能力更强,且实现较为方便,具有一定的应用价值。     

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。     

深空组阵Eigen算法及其低信噪比合成性能分析

根据深空组阵信号模型,分析了Eigen最优合成采用的两种准则即最大输出功率和最大 信噪比准则。为了快速计算最优权值,给出了两种迭代算法即PM和PMFM算法,同时为了改善 微弱信号合成效果,在PMFM算法中引入记忆因子,提出一种可以自适应跟踪信号相位变化的 自适应Eigen算法。仿真分析了基于最大输出功率准则的Eigen合成算法和自适应Eigen算法 对低信噪比组阵接收信号的合成性能,仿真结果表明自适应Eigen算法不但具有良好的合成 效果和自适应特性而且运算量小,具有重要的工程应用价值。
     

基于线性tripole阵列的相干信号角度和极化估计与跟踪

提出了一种利用均匀线性tripole阵列的计算简单的相干信号二维角度和极化参数的估计和跟踪算法。算法采用子阵平均进行去相关,采用只需线性计算的类ESPRIT算法实现内嵌在tripole子阵中的角度和极化参数的自动配对估计。对运动目标,可用LMS算法自适应地估计和跟踪其角度和极化参数。该算法可通过扩展阵列孔径提高参数估计的精度。计算机仿真验证了算法的有效性。