基于运动状态的航迹起始算法研究

 针对传统的基于逻辑的航迹起始方法在量测扩展过程中存在的弊端，提出了基于目标运动状态的航迹起始算法，并给出了更为精确的起始波门构造方法。利用目标的位置信息形成候选目标航迹，在候选目标航迹扩展过程中，采用提出的修正Hough变换提取目标状态信息，并根据目标〖JP2〗的状态信息对候选航迹进行检验。仿真结果表明，该算法比其他基于逻辑的方法有更低的虚警概率，并且对存储空间要求低，适于工程应用。     

基于相对位置矢量的群目标灰色精细航迹起始算法

 为解决群内目标精细航迹起始的难题,基于对传统航迹起始算法及现有群目标航迹起始算法优缺点的分析,给出了完整的群目标航迹起始框架,并提出了一种基于相对位置矢量的群目标灰色精细航迹起始算法。首先基于循环阈值模型、群中心点进行群的预分割、预关联,然后对预关联成功的群搜索对应坐标系,建立群中各量测的相对位置矢量,基于灰色精细互联模型完成群内量测的互联,最后基于航迹确认规则得到群目标状态矩阵。经仿真数据验证,与修正的逻辑法、基于聚类和Hough变换的多编队航迹起始算法相比,该算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。     

纯方位二维目标跟踪的航迹起始算法

 针对传统航迹起始算法在纯方位目标定位和跟踪系统应用中存在的弊端，提出了一种完全基于角度量测的快速航迹起始算法。该方法通过深入分析目标在角度坐标下的运动特性，给出了全新的关联门构造方法。该波门技术有效提高了纯方位二维目标真实量测的确认效率，极大限制了虚假航迹随密集杂波的扩张。利用此波门，通过基于逻辑的方法对仅有角度量测的目标航迹进行扩展。该方法有效地解决了角度坐标系下机动目标的航迹起始分辨率下降的问题，为基于单个被动传感器纯方位跟踪系统进行快速、准确的航迹起始提供了新的思路。仿真结果及实际应用表明了此算法的有效性和实用性。     

一种基于修正Hough变换的航迹起始算法

为了在重杂波区内检测出运动的目标,提出了一种修正的Hough变换算法用于初始航迹的建立。与传统的算法相比,修正算法充分利用目标的运动学信息,选取了更为合适的变换参量,仅利用较少拍数的量测就可以完成起始,能够在检测概率较高的环境下具有良好的起始性能。计算机仿真结果表明,算法能够克服传统算法的多拍扫描,大大缩短实际的计算量和起始时间,实现对航迹起始的在线改进。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

一种基于新三维随机Hough变换的航迹起始算法

针对雷达跟踪多目标时,目标点迹受杂波、噪声等因素影响,航迹起始难度大的问题,利用三维空间直线表示方法提出了一种4参数三维Hough变换算法.该算法是对传统二维Hough变换的拓展,它结合了传统的二维随机Hough变换理论,是一种新的三维随机Hough变换算法.通过该算法对理论数据和实测数据进行验证,结果表明,对于航迹区别较大的目标,该算法的航迹起始成功概率为98.5％;对于空间航迹相近的目标,该算法可成功将目标航迹从杂波中提取出来,虽然可能会出现航迹混淆,但利用目标先验信息可解决该问题,实现航迹起始.     

基于傅里叶变换的航迹对准关联算法

研究了在组网雷达存在系统误差情况下的目标航迹关联问题,理论分析了雷达系统误差对目标航迹的影响,并将该影响表示为目标航迹的旋转和平移量。在此基础上,提出了一种基于傅里叶变换的系统误差配准前航迹对准关联算法,该算法将组网雷达的航迹数据看做为一种整体信息,采用傅里叶变换理论来估计和补偿组网雷达目标航迹数据到融合中心航迹数据的相对旋转量和平移量,将雷达网中雷达上报的目标航迹数据对准到融合中心,从而不依赖于估计雷达网系统误差,实现了误差配准前的航迹准确关联,能够为后端的系统误差配准提供可靠的关联目标航迹数据。     

基于改进的FCM和信息熵修正的航迹融合算法

在局部航迹信息质量不均衡条件下,选择所有局部航迹进行航迹融合的算法会造成系统航迹质量下降。为了提高跟踪性能,提出了一种基于改进的模糊C均值(FCM)和信息熵修正的航迹融合算法。通过交互式多模型(IMM)滤波后的航迹信息对聚类数据做“质量”修正,改进后的FCM算法对局部航迹进行聚类分析,利用信息熵和隶属度对局部航迹进行选择和融合,达到修正聚类中心和提高系统航迹质量的效果。仿真结果表明：当多个传感器跟踪机动目标时,在传感器的观测精度发生变化和存在量测丢失的情况下,该算法的跟踪性能优于已知的航迹融合算法。     

基于模板匹配的集中式多传感器群内目标精细跟踪算法

为解决多传感器探测下群内目标精细跟踪的难题,基于非机动情况下各探测周期内群内目标真实回波位置相对固定的特性,提出了一种基于模板匹配的集中式多传感器群内目标精细跟踪算法。该算法通过预关联成功的群状态集合与群量测集合分别建立模板形状矩阵和待匹配形状矩阵,利用匹配搜索模型和匹配矩阵确认规则选出代价最小的匹配矩阵,并基于模板和对应的匹配矩阵利用 kalman滤波完成群内各目标航迹的状态更新。仿真表明,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率方面的性能明显优越,能很好的满足群内目标精细跟踪的实际工程需求。     

新生目标强度未知的双门限粒子PHD滤波器

传统粒子概率假设密度(PHD)滤波器假定新生目标强度已知,当新生目标在整个观测区域随机出现时不再适用。为解决新生目标强度未知时的多目标跟踪问题,提出了一种基于量测信息的双门限粒子PHD(PHD-DT)滤波器。首先基于似然函数设定门限对存活目标量测进行粗提取,利用上一时刻的目标估计值构建圆形波门进行精细提取,并对门限设定方法进行分析,然后根据提取结果对目标PHD进行分解,得到存活目标和新生目标的PHD预测及更新表达式,最后给出了滤波器的实现方法并同基于量测驱动的PHD(PHD-M)滤波器和Logic+联合概率数据互联(JPDA)方法进行了仿真对比。仿真结果表明,在新生目标强度未知时,PHD-DT可有效避免Logic+JPDA在杂波背景下因航迹起始错误带来的估计误差,并较好地解决了PHD-M的目标数目过估问题,多目标估计性能更优,且杂波越强性能优势越明显。     

Bayesian tracking of two possibly unresolved maneuvering targets

The paper studies the problem of maintaining tracks of two targets that may maneuver in and out formation flight, whereas the sensor and measurement extraction chain produces false and possibly unresolved or missing measurements. If the possibility of unresolved measurements is not modelled then it is quite likely that either the two tracks coalesce or that one of the two tracks diverges on false measurements. In literature a robust measurement resolution model has been incorporated within an interacting multiple model/multiple hypothesis tracking (IMM/MHT) track maintenance setting. A straightforward incorporation of the same model within an IMM and probabilistic data association (PDA)-like hypothesis merging approach suffers from track coalescence. In order to improve this situation, the paper develops a track-coalescence avoiding hypotheses merging version for the two target problem considered. Through Monte Carlo simulations, the novel filters are compared with applying hypotheses merging approaches that ignore the possibility of unresolved measurements or track-coalescence.     

基于聚类和Hough变换的多编队航迹起始算法

以传感器分辨力较低、编队成员之间距离较近时,不能辨别出编队中的目标数量和队形结构为背景,集中研究了密集杂波下编队的航迹起始问题并分析了该问题的难点所在;在此基础上,首先,通过循环阈值法将前3个时刻的量测点迹分割成多个子群;然后,对分割后的各个子群运用K均值聚类法,更准确地求出各个子群的聚类中心点作为该子群的中心;最后,通过最近邻法,以最大速度为限制将前3个时刻各子群中心点互联,对互联上的中心点经Hough变换,映射到参数空间,从而判别出成功起始的航迹和速度。经仿真验证,该方法对密集杂波环境下编队的航迹起始效果较好,并且速度快,起始率高。     

一种通用航迹起始模型

 在研究现有航迹起始方法的基础上，在机载脉冲多普勒雷达环境下，从工程实现背景出发重点研究航迹起始模型，提出了一种适应于各类航迹起始的通用航迹起始模型。其主要思想是在归纳现有普通航迹起始模型的基础上，在模型中增加了一级中间航迹，并对整个航迹起始过程进行了分阶段处理，在不同的处理阶段采用不同的航迹起始方法和门限。使得整个航迹起始过程物理概念更明确，层次更清晰，门限设置更合理，文件管理更方便，改善了现有普通航迹起始模型存在的航迹起始分裂和丢失问题。蒙特卡罗模拟结果表明：通用模型增加了设计的灵活性，规范了航迹起始设计方法，提高了航迹起始正确概率。     

无先验信息的低轨空间目标航迹起始方法

针对光学观测中缺乏预报信息的低轨道空间目标自动识别捕获问题,提出一种基于修正Hough变换的空间目标航迹起始方法,从而实现空间目标的自动识别。首先利用背景恒星运动规律对观测数据进行预处理,剔除大部分背景恒星。再利用观测数据的时序信息、定向参数进行Hough变换。本方法并没有采用传统的Hough变换对所有参数空间中的数据点进行投票,而是仅对参数空间中部分点投票,可以大幅减少运算量和存储量。试验表明:该方法能够有效地抑制背景恒星产生的虚假航迹,并快速准确地完成无先验信息的低轨道空间目标的航迹起始;可以在光学观测中实现空间目标的自动识别捕获,以及实时发现新目标,这为低轨道空间目标光学观测的无人值守和联网观测奠定了技术基础。     

基于概率网格Hough变换的多雷达航迹起始算法

 针对常规Hough变换(THT)航迹起始算法采用二元积累的弊端,提出了一种按测量点迹分布概率进行积累的多雷达航迹起始算法。首先把观测空间划分为统一大小的网格,然后根据雷达测量精度计算出观测数据落在每个网格内的概率,进而得到每个网格存在目标的概率,最后的Hough积累采用网格概率进行加权。与常规Hough变换法相比,新算法起始的航迹具有更高的精度和更好的鲁棒性,适合于不同精度雷达的联合航迹起始。仿真结果验证了算法的有效性。     

Maneuvering Target Tracking Using Adaptive State Estimation

Two approaches to a nonlinear state estimation problem are presented. The particular problem addressed is that of tracking a maneuvering target in three-dimensional space using spherical observations (radar data). Both approaches rely on semi-Markov modeling of target maneuvers and result in effective algorithms that prevent the loss of track that often occurs when a target makes a sudden, radical change in its trajectory. Both techniques are compared using real and simulated radar measurements with emphasis on performance and computational burden.