共查询到17条相似文献,搜索用时 250 毫秒
1.
2.
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。 相似文献
3.
现有的检测前跟踪算法对高分辨雷达隐身目标模型适应性不强,从而容易导致跟踪发散。针对该问题,把粒子滤波与检测前跟踪算法相结合应用于扩展隐身目标的检测跟踪,提出了一种隐身目标扩展模型检测前跟踪方法。首先,采用扩展模型对目标的扩展属性进行假设检验,从而判断目标是否为扩展目标;然后,把目标扩展长度引入状态向量,进行基于扩展模型的隐身目标检测前跟踪(Track-before-detect,TBD),克服粒子滤波易发散的不足,实现对目标空间长度的估计。仿真结果表明,该算法能够准确判断目标的扩展属性并进行有效的检测跟踪。 相似文献
4.
一种新的基于机动检测的机动目标跟踪算法 总被引:3,自引:0,他引:3
针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。 相似文献
5.
6.
用于非线性跟踪问题的一种新的粒子滤波器 总被引:4,自引:0,他引:4
机动目标跟踪系统通常是非线性而且不完全观测的 ,所以问题的关键在于每一时刻的目标机动性都是高度不确定的。提出了一种新的平滑粒子滤波算法 ,该算法在粒子滤波器中加入了对系统模型的概率分布密度的平滑处理 ,从而很好的解决了目标的机动性估计问题。在仿真研究中 ,与辅助粒子滤波器的比较验证了本文算法处理非线性跟踪问题的优越性 相似文献
7.
在对弹道目标跟踪预警的工程实践中,雷达系统对目标运动的信息处理速度尤为重要,因而,文章选取自适应跟踪模型与卡尔曼滤波相结合的方法解决自由段弹道目标的跟踪问题,并与扩展卡尔曼跟踪算法做了对比分析。仿真显示,2种滤波方式分别与自适应跟踪模型相结合后,卡尔曼滤波和扩展卡尔曼滤波跟踪性能相差不大,但其算法简单、运算时间短,可以较好满足自由段弹道目标跟踪的工程需求。 相似文献
8.
9.
利用到达方向(DOA)和多普勒频率(DF)建立了固定单站对空中运动辐射源的无源定位与跟踪模型,推导了该模型下的伪线性测量方程,用伪线性卡尔曼滤波(PLKF)算法实现了定位与跟踪;在此基础上用k时刻的状态估计值代替一步预测值对该算法进行了改进;最后与扩展卡尔曼滤波(EKF)算法进行比较。仿真结果表明,改进的PLKF算法具有更快的收敛速度和更高的收敛精度,PLKF算法克服了EKF算法的一些缺点。 相似文献
10.
针对无源定位系统中,机载单站相对于运动辐射源目标作为状态模型,在测方位角及其变化率基础上,引入多普勒频率变化率参数构建观测模型。常用的扩展卡尔曼滤波(EKF)存在不稳定和精度低的问题,采用修正增益的扩展卡尔曼滤波算法(MGEKF),找出修正函数矩阵,实现定位状态滤波估计。仿真结果表明,MGEKF算法较之EKF算法有较高的定位精度和较快的收敛速度。 相似文献
11.
12.
SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。 相似文献
13.
14.
基于卫星平台的无源定位系统可以通过卫星的绕地运动和轨道覆盖,实现对全球地面辐射源的被动侦察,具有侦察隐蔽性强、侦测范嗣广和不受地理位置限制的优点。把一种新的修正协方差扩展卡尔曼滤波(MVEKF)方法引入三星对运动目标的时差无源定位跟踪中,克服了EKF受初始状态和测量误差影响大的缺点,也不用像MGEKF一样需要观测方程的修正函数,仿真表明该滤波方法相对来说收敛速度更快,跟踪性能更好。 相似文献
15.
Seong-Taek Park Jang Gyu Lee 《IEEE transactions on aerospace and electronic systems》1998,34(4):1337-1344
The extended Kalman filter (EKF) has been widely used as a nonlinear filtering method for radar tracking problems. However, it has been found that if cross-range measurement errors of the target position are large, the performance of the conventional EKF degrades considerably due to nonnegligible nonlinear effects. A new filtering algorithm for improving the tracking performance with radar measurements is developed based on the fact that correct evaluation of the measurement error covariance is possible in the Cartesian coordinate system. The proposed algorithm may be viewed as a modification of the EKF in which the variance of the range measurement errors is evaluated in an adaptive manner. The filter structure facilitates the incorporation of the sequential measurement processing scheme, and this makes the resulting algorithm favorable to both estimation accuracy and computational efficiency. Computer simulation results show that the proposed method offers superior performance in comparison to previous methods. Moreover, our developed algorithm provides some useful insight into the radar tracking problem 相似文献
16.
为了解决大场景下基于三维到达角的目标跟踪问题,提出了一种具有无偏性的伪线性卡尔曼滤波。首先,基于三维到达角信息对目标运动模型与量测模型进行建模;之后,对量测模型进行了伪线性化处理,得到了线性形式的目标量测模型。为了解决伪线性卡尔曼滤波存在的有偏性问题,提出了一种结合EKF(extend Kalman filter)的三维伪线性无偏卡尔曼滤波。仿真实验表明,该模型能够对非机动目标与机动目标有效跟踪,对于百公里级别的目标,当角测量误差从0.1°变化到0.5°,算法在仿真时间结束时均能将绝对位置误差降低至10 km以内,且算法的运行速度与EKF为同一个量级,同时兼顾了抗干扰能力、定位跟踪精度、运行效率的要求,能够为大场景下的目标跟踪提供有效方法。 相似文献