基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

基于遗传算法的非线性摄像机标定

鉴于传统非线性摄像机标定方法存在需要设置初始点、容易陷入局部最优点等缺点。为了解决这些问题 ,提出运用浮点数编码的遗传算法优化摄像机的内部参数 ,通过试验证明 ,基于遗传算法的摄像机标定不仅可以克服传统优化算法的缺点 ,并且还具有鲁棒性强、标定准确的优点。     

基于自适应IMM算法的高超声速飞行器轨迹预测

针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了一种基于多种运动模型的自适应交互多模型(IMM)方法对目标运动状态进行估计。建立了目标的常速度、常加速度、Singer和蛇形机动模型,以及雷达的量测模型。自适应IMM算法包括混合概率计算、输入融合(混合交互)、模型条件滤波、模型概率更新和滤波估计融合等步骤。算法融合了Singer和蛇形机动模型,能较好地适应有幅值变化和频率衰减的模型状态估计,并用滤波估值和双正弦和函数拟合加速度,进一步递推目标运动轨迹。仿真结果表明:自适应IMM算法对高超声速目标有较好的弹道跟踪和预测精度。     

基于轨迹预测的高超声速飞行器拦截中/末制导研究

针对因高超声速飞行器全程飞行速度快且具较强的机动能力,导致中末制导需用过载超出可用过载,采用传统制导律难以满足拦截需求的问题,对一种基于虚拟目标的高超声速飞行器轨迹拦截方法进行了研究。基于目标Singer运动学模型和量测模型,用扩展卡尔曼滤波(EKF)估计目标运动信息,将预测命中时刻目标运动轨迹作为虚拟目标点,考虑拦截交会角约束,采用针对虚拟目标的中制导拦截策略,在末制导段采用比例修正制导。通过随距离可变的末制导过渡段指令,以避免中末制导弹道交班的过载抖动。仿真结果表明:基于虚拟目标点高超声速目标拦截能有效减小末端弹目交会角同时降低需用过载。为降低中制导误差,可在拦截过程中实时更新一次虚拟目标的预测结果。该法可用于高超声速飞行器拦截,以及其他大机动目标的轨迹预测和拦截。