一种二维耦合模型机动目标跟踪算法

针对雷达跟踪固定翼飞机的单目标跟踪问题,提出了一种新的二维耦合运动模型。该方法把切向加速度和法向加速度作为状态变量,给出了切向加速度和法向加速度为常值时解析计算状态转移的方法。该模型可以较好地一步预测目标加速度的变化,而且法向和切向加速度的过程噪声可以分别设置。利用该耦合模型的滤波方法,显著地改善了滤波效果,尤其是对加速度的估计。     

一种IRST双机协同被动探测机动目标定位新方法

针对红外搜索跟踪系统（IRST）双机协同被动探测定位作战使用中，机动目标建模与实际运动失配造成定位误差偏大的问题，研究了一种基于曲线模型的自适应滤波新方法。该方法改进了传统方法根据方向角估计转弯率以及基于帧间插分线加速度估计切向加速度的思路，将转弯率及线加速度联合作为状态变量进行了状态扩维，并推导了扩维后的过程噪声协方差表达式，在缓解传统两层滤波结构带来的计算量大问题外，也提高了切向加速度的估计精度。另外基于反正切函数的值域，结合方向角在四象限间的转移关系，优化了方向角的设计。通过IRST双机协同仿真实例，验证了所提方法对机动目标的适应性更强、目标定位精度更高。     

面向跟踪的吸气式高超声速飞行器动力学建模

根据吸气式高超声速目标的动力学特性,对传统动压加速度模型的局限性做了分析。在重力转弯模型框架中,基于超燃冲压发动机的推力产生机理以及高超声速流场的斜激波方程和普朗特梅叶方程,提出了描述目标切向加速度的推广模型和目标法向加速度的斜激波、非解析混合模型。随后,基于高超声速流场工程近似算法对吸气式高超声速目标的模式特征进行分析,并设计了均匀模型集。对攻角、滚转角以及发动机状态发生突变的高超声速机动目标跟踪问题进行了仿真研究。结果表明,新的模型集能够较好地适应目标突然加速和转弯机动,有效跟踪助推跳跃机动的吸气式高超声速目标。     

一种基于加速度预估计的机动目标跟踪算法

研究分析了几种典型单机动目标模型的建模方法,针对现有单机动目标模型中机动参数需要先验假设,并且不能随目标机动情况的改变而自适应调整的问题,提出了一种加速度预估计模型(Acceleration Pre-estimation Model,APM)。该模型首先用位置量测对机动加速度进行预估计;然后,将加速度估计值作为系统的输入控制项建模;将估计误差看做系统的机动控制项,并作为系统的相关噪声建模。由于APM模型中,加速度机动参数是通过位置量测实时估计得到的,不需要先验假设。与现有单机动目标模型相比,该模型的自适应能力得到了提高。     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

基于驾驶员操纵特性的飞机航路飞行仿真研究

基于驾驶员航路飞行任务中的操纵特性,首先对飞机横侧向、法向、切向过载的机动指令进行了设计,重点对横侧向通道机动指令的设计进行了研究,提出了一种利用飞机速度矢量与目标航路点坐标来设计偏航指令的方法;然后用差分算法实现了驾驶员实际操纵指令的平稳变化;最后对飞机的航路飞行进行了数值仿真。仿真结果表明,所提出的方法可以较为真实地实现飞机的航路飞行。在仿真过程中,机动指令的变化较为平缓,并且飞机的航迹姿态角等信息得到了实时展现。     

一种二维平面内的最优制导律

在地基助推级反导作战过程中,由于目标弹道导弹的加速度很大,造成拦截弹失去了加速度优势。文中针对单级短程固体弹道导弹的助推级中段拦截,推导出一种能量最省的制导律,不需要拦截弹的加速度大于目标加速度。二维闭环仿真结果显示,在满足制导精度的基础上,拦截弹的切向和法向过载均较小,能够满足作战需求。     

机动目标“当前”统计模型与自适应跟踪算法

本文提出机动目标“当前”统计模型的概念并建议用修正的瑞利-马尔科夫过程描述目标随机加速机动的统计特性。文中指出了在机动目标运动模型中状态（机动加速度）估值与状态噪声之间的内在联系。在此基础上提出了具有机动加速度均值及方差自适应的卡尔曼滤波算法。对一维和三维的情形进行了计算机模拟。计算结果表明,在仅对目标位置进行观测的情况下,这类自适应估值算法无论对高度机动或无机动的目标均可绘出较好的位置、速度及加速度估值。     

高测量频率条件下采用IMM方法跟踪机动目标

利用雷达系统跟踪机动目标,当测量频率很高时,测量噪声将显著相关。本文提出一种简单的去相关方法来改良互作用多模型算法(IMM),用于测量噪声相关情况下的机动目标跟踪。我们发现这种去相关法可以明显提高系统性能,特别是对于速度和加速度的估计。     

基于交互多模型和中值滤波的加速度估计方法

针对交互多模型算法对目标加速度估计误差较大的不足,提出了一种基于交互多模型和中值滤波的目标加速度估计方法.通过对交互多模输出的加速度信息进行中值滤波提高对加速度估计的精度.计算机仿真表明,该方法比交互多模型对匀速目标,特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

机动多目标跟踪问题中关联区域的研究

 本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。     

Modeling and Estimation for Tracking Maneuvering Targets

A new approach to the three-dimensional airborne maneuvering target tracking problem is presented. The method, which combines the correlated acceleration target model of Singer [3] with the adaptive semi-Markov maneuver model of Gholson and Moose [8], leads to a practical real-time tracking algorithm that can be easily implemented on a modern fire-control computer. Preliminary testing with actual radar measurements indicates both improved tracking accuracy and increased filter stability in response to rapid target accelerations in elevation, bearing, and range.     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

Nonlinear Estimation Via Kalman Filtering

The extended Kalman-Bucy filtering algorithm is applied to the problem of estimating the system parameters of a single-channel missile attitude control system. In particular, noisy observations of body angular rate, normal acceleration, and control surface deflec tion are used in the algorithm to obtain estimates of body angular rate, angle of attack, control surface deflection, air density, and missile velocity. Computational results obtained for this problem are presented. These results are evaluated to determine the applicapility of this estimator as a part of an adaptive control scheme. In addition, a general approach to the formulation of practical nonlinear estimation problems is suggested.     

自寻的导弹攻击机动目标的最优制导规律的研究及实现

提出一种适用于红外和雷达自寻的制导导弹的适应性强、制导精度高、易实现的最优制导规律。为解决工程实现的关键问题,提出了目标机动加速度模型。根据该模型并利用导弹导引头的AGC信号或雷达测距信号,给出了目标机动加速度、导弹与目标相对距离和距离变化率的估计算法。     

Improved tracking of maneuvering targets: The use of turn-ratedistributions for acceleration modeling

Tactically maneuvering targets are difficult to track since acceleration cannot be observed directly and the accelerations are induced by human control or an autonomous guidance system therefore they are not subject to deterministic models. A common tracking system is the two-state Kalman filter with a Singer maneuver model where the second-order statistics of acceleration is the same as a first-order Markov process. The Singer model assumes a uniform probability distribution on the targets acceleration which is independent of the x and y direction. In practice, it is expected that targets have constant forward speed and an acceleration vector normal to the velocity vector, a condition not present in the Singer model. The work of Singer is extended by presenting a maneuver model which assumes constant forward speed and a probability distribution on the targets turn-rate. Details of the model are presented along with sample simulation results     

Modified input estimation technique using pseudoresiduals

An adaptive tracking filter for maneuvering targets is proposed using modified input estimation technique. Pseudoresiduals are defined using measurements and the velocity estimate at the hypothesized maneuver onset time. With the pseudoresiduals and a new target model representing transitions of nominal accelerations, a new input estimation method for tracking a maneuvering target is derived. Since the proposed detection technique is more sensitive to maneuvers than previous work, the shorter window length can be employed to detect and compensate target maneuvers. Also shown is that the tracking performance of the proposed filter is similar to that of interacting multiple model method (IMM) with 3 models, while computational loads of our method are drastically reduced