一种实用的解耦自适应跟踪滤波器

提出了一种适于在非线性测量环境下跟踪机动目标的解耦自适应跟踪滤波器，这种跟踪滤波器在视线直角坐标系下实现了改进的输入估计方法。由于所提出的滤波器具有解耦结构，因此，可以显著地减少计算量而不会降低性能。同时还证明，由于伪测量噪声间的小的互相关，因此提高了机动检测的准确度。     

一种多目标鲁棒跟踪滤波器研究

多目标鲁棒跟踪是现代雷达跟踪系统的重要技术指标之一。为此,本文在作者以往的研究成果[1—4]基础上,提出了一种多目标鲁棒跟踪滤波器。该滤波器主要由模糊α—β滤波器和自校正估值器组成。它们分别是根据模糊集理论和本文提出的二次新息序列概念设计的。仿真结果表明,这种滤波器比以往的α—β滤波器,不但跟踪机动目标精度高,而且具有较好的鲁棒特性。     

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。     

解决多目标跟踪和雷达测量问题的SME滤波器法

用以在多目标跟踪（ＭＴＴ）时保持规定航迹的对称测量方程（ＳＭＥ）滤波器法，被推广应用于雷达位置测量。ＳＭＥ滤波器的一个主要特性，是在进行目标状态估值时毋需考虑目标／测量关联，从而明显减小了ＭＴＴ计算的复杂性。本文导出三维空间内Ｎ个目标运动情况的ＳＭＥ滤波器，目标的运动包括恒速轨迹左右的随机扰动。假设这Ｎ个目标的球坐标位置（距离、俯仰角和方位角）的噪声测量值为已知，则这项工作的重点将是由球坐标位置值     

空间非合作机动目标跟踪相对导航方法研究

就基于雷达测量的空间非合作机动目标跟踪相对导航问题进行了研究,提出了一套 既能够处理测量粗差,又能使滤波器在存在未知输入情况下快速收敛的相对导航算法。本文 将强跟踪滤波器的思想引入到二阶分离插值滤波算法（DDF2）,设计DDF2\|STF滤波器;另 外,本文将DDF2与Huber滤波算法相结合,设计DDF2\|Huber滤波器;最后,本文设计了相应 的滤波器切换准则,根据不同情况选用DDF2\|Huber和DDF2\|STF滤波器,从而得到一套 完整的相对导航算法。数学仿真证实了所提出相对导航算法的有效性。本文的研究成果为工 程设计提供了理论参考。
     

采用非同时数据的平均电平自适应检测器

本文给出了一种平均电平自适应检测器（ＭＬＡＤ）的收敛结果。ＭＬＡＤ包括一个带有平均电平检测器（ＭＬＤ）的自适应匹配滤波器（用于空间相关输入）。由一组数据估算出的自适应匹配滤波器的最佳权数适用于一组统计独立的非同时数据。ＭＬＤ的门限由结果数据确定。此后，把一个候选单元与该门限相比较，得出了作为一些参数的函数的虚警概率和检测概率，这些参数是门限系数、匹配滤波器的阶数、用于计算自适应匹配滤波器权数的每个     

应用BP网络校正的卡尔曼滤波器

当目标作机动飞行时,由于未知机动引起的估计误差的影响,卡尔曼滤波器的跟踪性能将会严重下降。提出了一种应用BP神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,BP网络可以辨识非线性机动,修正卡尔曼估计值,改善跟踪效果。同时还研究了BP网络的自适应算法。对两个变加速机动目标的跟踪结果表明,经过BP网络校正的卡尔曼滤波器不会发生误相关,跟踪的精度较高。     

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。     

用于目标加速度估计的双时间尺度自适应跟踪滤波器

在空对空拦截中,寻的阶段是一个关键阶段.该阶段的特点是时间短、寻的路径上的方位角速率低.其所以是关键,因为关于目标机动的任何误判都可能导致很大的脱靶距离.本质上这是由于目标实施躲避机动造成相遇航路误差而跟踪者来不及调整航路所致.因此要设计出能够对目标机动产生快速反应的导引律,目标加速度估计是至关重要的.然而,空对空导弹目标跟踪器的综合还面临一些棘手问题.这些问题包括缺乏可观测性、建模误差以及高采样率引起的计算时间限制.本文给出了一个能解决这些问题的新的跟踪滤波器.该滤波器以跟踪动态中固有的时间尺度分离为基础.结合一种筒单的自适应方法,该滤波器能够跟踪很多类型的目标机动,从计算量角度考虑也是有效的.     

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。     

弱信号机动目标的跟踪滤波器

本文对跟踪小有效散射面积机动目标的跟踪滤波器的工作特点进行了分析。     

载人机动装置救援轨迹优化设计

本文研究宇航员携带舱外机动装置（ＭＭＵ）进行舱外飞行，营救脱离空间站的目标，随后返回空间站的Ｈｉｌｌ制导方法。根据最小燃料指标，精度要求和时间约束，优化设计ＭＭＵ出舱营救脱离空间站的宇航员或其它装置的飞行轨迹。求出１７种典型情况下的最小燃料解，提出了救援轨迹设计准则。本文分析了ＭＭＵ交会目标过程中，导航和控制误差对Ｈｉｌｌ制导瞄准误差的影响，提出了用多脉冲Ｈｉｌｌ制导按标称最优轨迹飞行的设计方案，     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

利用基于卡尔曼的平均位移估值器进行多目标探测

本文研究了利用由卡尔曼平均位移估值器所获得的位移估值中的异常物来探测前视红外（ＦＬＩＲ）场景中的多目标（获得回波）问题。由目标产生的初始位移估值与（多个被测目标）回波相关联，从而获得目标新的位置估值。为实现多目标跟踪，此过程对场景中的所有目标均可重复。本文还考查了位移估值期望值与迭代次数的函数关系以及位移误差协方差矩阵和卡尔曼增益矩阵与迭代次数的函数关系。     

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.     

机动目标跟踪的非线性IMM算法

在目标跟踪时，测量噪声通常假定为高斯状，然而这种假设不一定正确，噪声有可能是非高斯型的。在雷达系统中出现的非高斯噪声被认为是闪烁噪声，闪烁噪声呈长尾形分布，此分布将严重影响跟踪性能。现已发展一种新的算法，可以在闪烁环境下有效地跟踪机动目标。该算法将非线性Ｍａｓｒｅｌｉｅｚ滤波器引入交互式多模型方法中。我们用模拟试验来验证新算法的优越性。     

对某距离自动跟踪系统测距误差的分析

根据某距离自动跟踪系统设计的实际情况，分析了系统中模拟数字（ＡＤ）转换电路、动目标显示（ＭＴＩ）与求模运算、波形分析和α－β滤波器所引入的测距误差，得出ＡＤ采样率和波形分析的内插点数决定了系统引入测距误差大小的结论。对实际工作参数的计算及校飞试验的结果证明，此距离自动跟踪系统引入的测距误差较小，满足雷达系统的要求。     

一种用于机动目标角速率估计的两级滤波器

提出使用衰减记忆滤波器和卡尔曼滤波器构成的两级滤波器来估计视线角速率。通过对滤波器特性的分析,可知该两级滤波器可以同时满足滤除噪声和跟踪机动目标的需求。与单级卡尔曼滤波器对比可知,两级滤波器估计所得的视线角速率超调量和振荡均较小,且在收敛时间相同的情况下滤波精度更高。     

安全约束下的空间翻滚目标涡流消旋稳定控制

针对空间翻滚目标涡流消旋任务执行效率低和抵近安全无保证的问题，首先基于椭球包络法给出了服务星机动轨迹的直接线性凸化安全约束，以确保机动过程的安全性和最优轨迹跟踪问题的有限时间可解性；设计了垂直构型下空间消旋任务的抵近期望轨迹以增强服务星消旋力矩的作用强度，缩短任务周期。在此基础上，提出了一种反馈线性化的收缩模型预测控制(FLC MPC)算法，有效跟踪所提出的期望轨迹，并严格保证安全约束及控制输入约束下受控系统的稳定性。最后，利用所提出的控制方法对阿丽亚娜 4火箭上面级进行消旋仿真，结果表明该方法能有效提高消旋效率，并保证服务星的安全稳定。     

GEO混合推力机动目标跟踪IMM算法

针对交互多模型(IMM)算法求解地球静止轨道(GEO)卫星混合推力机动目标跟踪问题时模型匹配难、模型转移概率近似平均和响应速度慢的问题，从交互模型集构建和模型转移概率自适应设计两个方面出发提出一种改进IMM算法。该方法通过考虑无机动、脉冲机动和有限推力机动三种模式，构建了覆盖目标机动状态的交互模型集，提高了模型与机动目标实际运行状态的匹配度；采用一种基于加速度估计自适应修正的模型交互概率修正方法，提升了算法对目标机动状态的响应速度和跟踪精度。仿真结果表明，所提算法是解决混合推力模式下的GEO机动目标跟踪问题的有效手段，在收敛速度和收敛精度等方面与传统方法相比有较大提高。