采用具有输入估值的变维滤波器进行的跟踪

本文提出了一种跟踪机动目标的改进方法。把输入估值方法的逆推公式与变维滤波器方法综合起来就构成了本文所提出的跟踪滤波器。在所提出的方法中，滤波器还提供目标开始机动的瞬间时间估值（当检测到目标机动时）。支用所估算的机动起始时间也可估算机动输入，跟踪系统则转换为机动模型。所提出的方法的计算负担与输入估值方法的相当。这种跟踪滤波器的有效性已经通过模拟得以验证，并将茯与交互式多模（ＩＭＭ）滤波器、输入估值滤     

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。     

机动目标跟踪的非线性IMM算法

在目标跟踪时，测量噪声通常假定为高斯状，然而这种假设不一定正确，噪声有可能是非高斯型的。在雷达系统中出现的非高斯噪声被认为是闪烁噪声，闪烁噪声呈长尾形分布，此分布将严重影响跟踪性能。现已发展一种新的算法，可以在闪烁环境下有效地跟踪机动目标。该算法将非线性Ｍａｓｒｅｌｉｅｚ滤波器引入交互式多模型方法中。我们用模拟试验来验证新算法的优越性。     

用于目标加速度估计的双时间尺度自适应跟踪滤波器

在空对空拦截中,寻的阶段是一个关键阶段.该阶段的特点是时间短、寻的路径上的方位角速率低.其所以是关键,因为关于目标机动的任何误判都可能导致很大的脱靶距离.本质上这是由于目标实施躲避机动造成相遇航路误差而跟踪者来不及调整航路所致.因此要设计出能够对目标机动产生快速反应的导引律,目标加速度估计是至关重要的.然而,空对空导弹目标跟踪器的综合还面临一些棘手问题.这些问题包括缺乏可观测性、建模误差以及高采样率引起的计算时间限制.本文给出了一个能解决这些问题的新的跟踪滤波器.该滤波器以跟踪动态中固有的时间尺度分离为基础.结合一种筒单的自适应方法,该滤波器能够跟踪很多类型的目标机动,从计算量角度考虑也是有效的.     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

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。     

一种多目标鲁棒跟踪滤波器研究

多目标鲁棒跟踪是现代雷达跟踪系统的重要技术指标之一。为此,本文在作者以往的研究成果[1—4]基础上,提出了一种多目标鲁棒跟踪滤波器。该滤波器主要由模糊α—β滤波器和自校正估值器组成。它们分别是根据模糊集理论和本文提出的二次新息序列概念设计的。仿真结果表明,这种滤波器比以往的α—β滤波器,不但跟踪机动目标精度高,而且具有较好的鲁棒特性。     

杂波环境下的机动目标检测和跟踪算法

交互多模式（IMM）是一种有效的机动目标跟踪算法，但由于其要求具有很多的先验前提条件而不利于工程实现。研究了一种杂波环境下更适合于工程实现的机动目标（同样适用非机动目标）的跟踪算法，该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测，并通过改变Kalman滤波的相关参数，实现自适应跟踪。该算法克服了IMM算法的模式限制和复杂性，同时也避免了对非机动目标的跟踪中，在跟踪模式间相互切换时所换造成的影响。通过在空管系统（ATC）的大量模拟实验，验证了该算法的有效性和重大应用价值。     

弱信号机动目标的跟踪滤波器

本文对跟踪小有效散射面积机动目标的跟踪滤波器的工作特点进行了分析。     

寻的导弹制导中距离测量可能错误时的多模型滤波

寻的制导雷达在电子干扰条件下可能测得错误的距离信息，以切换系统模型来描述此问题，并提出了一种新的多模型跟踪滤波器来实现制导信息的估计。该滤波器分两步序贯处理角度测量和距离测量数据，从而有效地改进了距离测量修正中的线性化参考点。仿真结果表明，这种估计方法使得距离测量正确情况下的滤波精度得到提高，并且能以很高的概率消除错误的距离测量数据对滤波的影响。     

在杂波环境中目标跟踪的测量预处理方法

为了提高基于卡尔曼滤波器的传统跟踪算法的性能，本文提出了一种新的测量预处理技术。文中根据最大似然估值方法对接收测量值进行预处理。模拟结果表明该方法无论是在无杂波环境中还是在杂波环境中都具有最好的性能。     

基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题，文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中，结合模糊逻辑推理来实现多模型间的信息交互，并通过有向图切换法实现模型集的自适应调整，从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明，与基于卡尔曼滤波的DS_KF_FI算法相比，文章提出的算法的跟踪性能明显提高，且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

杂波环境下的机动目标检测和跟踪算法

交互多模式(IMM)是一种有效的机动目标跟踪算法,但由于其要求具有很多的先验前提条件而不利于工程实现.研究了一种杂波环境下更适合于工程实现的机动目标(同样适用非机动目标)的跟踪算法,该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测,并通过改变Kalman滤波的相关参数,实现自适应跟踪.该算法克服了IMM算法的模式限制和复杂性,同时也避免了对非机动目标的跟踪中,在跟踪模式间相互切换时所换造成的影响.通过在空管系统(ATC)的大量模拟实验,验证了该算法的有效性和重大应用价值.     

用不同传感器作航迹融合

分析了用不同传感器作航迹跟踪时的运动矢量融合算法，为了简单起见，假设两个不同的传感器装有不完全相同的两维最佳线性卡尔曼滤波器。文章指出，如何这两条航迹融合的互相关矩阵是正定的，就能改进航迹融合算法的性能。通过与机动目标相关的噪声引入的这种互相关对两种传感器的跟踪滤波器来说是共同的且容易忽视的，本文还以闭合形式导出了稳定状态下的互相关矩阵的表达式，同时获得了互相关矩阵的正定性条件，另外还讨论了正定性     

与非合作目标编队的相对姿态控制

针对非合作目标卫星编队飞行过程中,根据任务需要受控卫星保持指目标卫星。为了跟踪目标姿态,提出了一种相对姿态控制方法。该算法只需测量目标的相对位置,通过计算得到目标姿态。然后设计了相对角速度观测器,得到相对角速度,通过跟踪控制器实现无误差姿态跟踪。完整相对姿态控制任务包括姿态机动和姿态跟踪两部分,因此设计了混合控制器实现被控星的姿态机动和对目标姿态的动态跟踪。数值仿真结果表明该方法可以实现对运动目标的无差快速跟踪。     

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。     

提高机动目标跟踪精度的自校正α—β跟踪滤波器研究

本文从工程应用角度出发,在文[1]基础上提出了自校正α-β滤波器设计方法。从而从滤波器结构和参数匹配两方面较好地解决了α-β滤波器跟踪机动目标精度问题。在IBM/AT微机上用8087汇编语言进行的仿真结果表明,这种方法不仅简单易行且其精度比常增益α-β滤波器高近一倍。     

用于杂波环境下跟踪的自适应概率数据关联算法

提出了一种采用自适应更新时间，用于在杂波环境和探测概率小于１的环境下跟踪 概率数据关联滤波器，并与采用恒定更新时间的概率数据关联滤波器作比较。     

跟踪目标时雷达信息的数字处理

讨论了雷达在有、无干扰条件下跟踪机动和非机动目标的问题,给出了无干扰时机动目标的运动方程,在各种条件下跟踪单目标和多目标的各种算法(如贝叶斯法、非贝叶斯法、分支算法和最大似然法等),并对各种算法的性能进行了比较.     

寻的导弹制导中距离测量可能错误时的多模型滤波

寻的制导雷达在电子干扰条件下可能测得错误的距离信息,以切换系统模型来描述此问题,并提出了一种新的多模型跟踪滤波器来实现制导信息的估计.该滤波器分两步序贯处理角度测量和距离测量数据,从而有效地改进了距离测量修正中的线性化参考点.仿真结果表明,这种估计方法使得距离测量正确情况下的滤波精度得到提高,并且能以很高的概率消除错误的距离测量数据对滤波的影响.