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.     

基于卡尔曼滤波的雷达单目标跟踪算法研究

随着科技的发展，雷达对目标跟踪的精确度要求越来越高。但在实际应用中，系统所处的环境会受到各种各样的干扰，此时，卡尔曼滤波器凭借其优良的噪声处理能力而被应用到各种领域，是现阶段雷达跟踪中最常用的算法。文章在卡尔曼滤波算法的基础上，就如何将其应用于雷达目标跟踪系统的问题进行了研究与仿真；分析了卡尔曼滤波与常增益滤波的适用范围及优缺点；给出了极坐标系下卡尔曼滤波的计算及过程噪声方差的获取方法；最后以目标仿真结果证明了估计的有效性。文章定性、定量地对卡尔曼滤波在雷达单目标跟踪算法中的应用情况进行了分析，明确指出了算法的优良性能及局限性，实际应用时也可以对目标进行分段处理。该算法可直接应用于某些单目标跟踪系统，或与其他算法结合，用于多目标跟踪系统，如道路监测雷达系统等。     

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。     

临近空间高超声速滑翔弹双通道跟踪算法

为了提高临近空间高超声速滑翔目标的跟踪精度，提出了一种双通道并行跟踪算法。首先对比分析了目标的弹道轨迹，目标角度域参数相比位置域参数存在更显著的变化规律，为了在雷达测量直角坐标系下跟踪，采用倾角和方位角代替航迹倾角和航向角，将倾角变化率和方位角变化率描述成零均值正弦自相关随机过程，分别建立了纵向通道和横向通道的角度域模型。然后将目标轨迹分解到纵向观测平面和横向观测平面，通过量测数据预处理、双通道并行滤波、输出状态合并，实现目标的三维跟踪。最后通过仿真实验设置了算法中两个通道的机动模型的参数，分析了过程噪声对跟踪精度的影响，仿真结果表明，与现有的临近空间高超声速目标跟踪算法相比，该算法具有较高的跟踪精度。     

一种机动目标无源定位的新方法

目前对仅用测角信息的单站无源定位问题的研究，主要是基于固定辐射源目标以及匀速直线运动的辐射源目标，而在实际应用中目标常常是机动的。由此，提出了一种可调白噪声UKF方法。该方法在机动目标跟踪中使用可调白噪声模型方法，它不需要假定目标的机动加速度模型，而是通过检测跟踪滤波器归一化新息平方来调整过程噪声，从而实时地修正估计结果。同时算法对量测模型非线性问题采用UKF予以解决，不仅能克服EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响，而且算法实现简单。最后将该算法与三种机动目标被跟踪算法相比较，仿真结果验证了提出算法的优越性。     

单目标跟踪技术发展研究

随着机动目标定位与跟踪技术广泛应用于军事和民用领域，研究更为快速、准确的跟踪算法具有十分重要的意义。目标运动模型、跟踪算法和跟踪模型结构是机动目标跟踪技术的三项主要研究内容，文章介绍了这三项技术的研究进展及发展方向。目前，对各种经典模型的组合和改进是目标运动模型的主要研究方向，通过分析并比较工程中常用的卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波的优缺点，探究了它们的不同适用场合及进一步研究方向。详细分析了三代多模型跟踪算法的原理和适用场合，这对研究更为先进的单目标跟踪技术，进一步提高跟踪精度和整体性能，具有一定的参考价值。此外，文章还提出了机动目标跟踪算法的几个发展趋势：将变结构多模型算法与目标实际运动场景结合起来，广泛应用于工程实践中；探索无需依赖于基础模型集合的模型机自适应变化方法；考虑将智能控制理论与变结构多模型跟踪算法互相结合。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

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。     

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。     

用于目标跟踪的神经网络综述

几组不同的研究者从不同的观点出发来研究目标跟踪。目标跟踪研究的演变与发展历程中的一个最重要的事件就是对目前运用于目标跟踪的算法和技术进行体系结构革命的新趋势；即神经网络的出现以及它们在非线性动态系统上的应用。已有文献证明，先进的跟踪算法的数学复杂性已经远远超过了普通数字处理器的计算能力。自从引入卡尔曼滤波器以来，几种非常有效的数学工具已经运用到了目标跟踪技术中，如，概率数据关联，相关和选通，证明推     

基于多特征融合的天基面目标长时跟踪算法

天基视频成像特性存在目标尺寸小、特征几乎无纹理、干扰因素多等问题,现有的近景面目标跟踪算法不完全适用。文章通过利用梯度直方图与颜色名称两种特征在天基视频跟踪中的不同优势,借鉴由跟踪、学习、检测三部分组成的长时跟踪思路,对高斯核化相关滤波器进行改进,提出了一种适用于视频卫星数据处理的多特征融合面目标长时跟踪算法。运用该算法对来自SkySat-1及"欧比特"视频卫星的遥感影像数据集进行面目标跟踪测试,从4组天基视频数据中选取的6个目标均实现了稳定跟踪;同时,对OTB近景数据集中选取的与天基视频有类似特征的16组视频序列的测试结果显示,该算法实现了83.4%的精度、63.2%的成功率。试验表明,文中所提方法优于现有相关跟踪方法,显示了将长时跟踪策略引入天基视频跟踪领域的可行性和广泛应用前景。     

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。     

一种对斑点目标高精度质心跟踪方法

本文介绍一种对运动的斑点目标灰度质心进行高精度跟踪的方法。通过对图象序列中目标质心位置和帧间位移量的测量误差分析，提出了改进的滤波模型，有效地抑制了图象灰度噪声和空间量化误差的影响，提高了斑点目标跟踪精度。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题，提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法，该算法以混合建议分布为框架，由两个基本建议分布组成。其中一个基本建议分布为先验分布，另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近，因此有着高效性、高精度等特点。仿真结果表明，对于弹道再入目标轨迹跟踪模型，相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法，HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时，所提出算法的性能增益更为显著。     

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

针对弹载平台红外小目标的检测与跟踪算法

为了提高对红外小目标检测与跟踪的精度与速度，设计了一种针对红外小目标的单目标检测与跟踪算法,包含一个基于MB_LBP+AdaBoost与管道滤波器的目标检测模块，和一个有跟踪失败监测机制的基于模板匹配的多尺度跟踪模块。经过测试，该算法对边长11~31像素大小的指定类型的红外小目标取得了较好的检测效果，目标跟踪模块对于目标的尺度变化，快速运动，遮挡有较高的鲁棒性，算法中的跟踪失败监测机制在检测到跟踪异常的情况下能重新调用目标检测算法找回目标，经过测试对比，本方法跟踪的精度和速度综合优于主流跟踪算法，并且能够在弹载平台上实时运行。     

一种星敏感器中快速星跟踪方法

提出了一种快速星跟踪算法。在跟踪算法的三个耗时环节，分别采用，分区星表，阈值映射，先排序后匹配识别这三种方法，以提高跟踪过程的快速性。其中分区星表法将整个天区分成了若干个子天区；阈值映射法，设置被跟踪星体的数量阈值，减少映射次数；先排序后匹配识别法，减少了那些距离较大的无谓的星体间的匹配识别。对星跟踪算法进行软硬件仿真测试，在软件仿真测试中，测试了跟踪算法的正确性和成功率。在硬件仿真测试中，测试了跟踪算法在一个跟踪过程中每步的跟踪速度及影响跟踪速度的主要因素。     

一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用

在被动方式下对目标进行跟踪 ,由于系统的可观性较弱 ,很容易引起状态误差协方差矩阵的过早跳变而导致系统发散。为此 ,本文研究了一种新的卡尔曼滤波算法 -自适应协方差矩阵旋转变换卡尔曼滤波算法 ,并将其应用于水面目标被动跟踪。由于该算法的协方差更新采用状态滤波值计算雅可比矩阵 ,因而具有更好的一致性。仿真结果表明 ,该算法可以克服观测模型线性化误差带来的不良影响 ,改善由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题 ,具有良好的鲁棒性、快速性和精确性。     

一种机动目标无源定位的新方法

目前对仅用测角信息的单站无源定位问题的研究,主要是基于固定辐射源目标以及匀速直线运动的辐射源目标,而在实际应用中目标常常是机动的.由此,提出了一种可调白噪声UKF方法.该方法在机动目标跟踪中使用可调白噪声模型方法,它不需要假定目标的机动加速度模型,而是通过检测跟踪滤波器归一化新息平方来调整过程噪声,从而实时地修正估计结果.同时算法对量测模型非线性问题采用UKF予以解决,不仅能克服EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响,而且算法实现简单.最后将该算法与三种机动目标被跟踪算法相比较,仿真结果验证了提出算法的优越性.     

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。