一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。     

基于mean—shift的多目标粒子滤波跟踪算法设计

针对视频序列中多目标的跟踪问题,提出一种基于mean-shift和粒子滤波的多目标混合跟踪算法,采用目标之间的距离门限和相似度门限作为转换条件,有效地结合Mean-shift 算法的简单快速和粒子滤波跟踪算法的抗遮挡的优点.实验结果表明,该算法在对多目标跟踪时能在保证跟踪效果的同时减少跟踪的时间花费,有效提高了设计的跟踪系统的实时性.     

一种改进的GM-C-CPHD空间多目标跟踪算法

随着空间目标的数目急剧上升,提高空间多目标跟踪精度成为必然要求,但空间多目标跟踪存在轨道动力学模型不完善的问题。针对该问题,提出一种改进的高斯混合势概率假设密度滤波(GM-C-CPHD)算法。通过在轨道动力学模型中考虑一个不确定性模型参数,即面质比参数(AMR),基于协方差传递面质比参数对位置、速度状态估计的影响,提高空间目标跟踪精度。仿真分析表明:相对于GM-CPHD滤波器,目标数量的跟踪和状态估计性能均有所提高,具有良好的应用前景。     

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。     

基于递推最小模型误差估计的机动目标跟踪

将非线性系统递推最小模型误差估计用于机动目标跟踪 ,有效地解决了基于Kalman滤波的跟踪算法对机动模型的依赖性和非线性跟踪的不稳定性问题。仿真结果表明 ,该估计方法能适应不同的机动方式、精度高、跟踪快速 ,具有重要的工程应用价值     

基于Singer模型的高超声速飞行器轨迹跟踪与预测

目标运动轨迹预测有助于拦截弹在中制导准确飞往预测命中点,降低中制导修正偏差消耗的能量,对于高速高机动类目标的拦截至关重要。针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了结合Singer模型的扩展卡尔曼滤波方法对目标运动状态进行估计。利用滤波估计值及双正弦和函数拟合加速度曲线,进一步递推目标运动轨迹。仿真结果表明,提出的方法对高超声速目标具有较好的弹道跟踪和预测精度。     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

LMS自适应滤波算法改进及其在连线干涉测量中的应用

对航天测控信号进行滤波处理将有利于提高系统的测量性能。连线干涉测量以载波时延为测量量,所以其测量精度与载波差分相位估计性能直接相关,而该性能主要受近载频噪声的影响。提出采用LMS自适应滤波算法对测控信号进行滤波处理以提高载波差分相位估计精度的思路。首先给出基于LMS自适应滤波算法的相位估计方案,并分析其可行性和存在的问题;然后提出基于余弦函数的改进LMS自适应滤波算法,最后将改进算法应用于CEI测量仿真和观测试验中。蒙特卡罗仿真和实测数据处理表明,改进的LMS自适应滤波算法优于原算法,在同样数据处理长度下,滤波处理后载波差分相位估计精度提高了约一倍,这在航天测控中具有重要意义。     

无线传感器网络空中目标跟踪任务分配技术的研究

以无线传感器网络对空中飞行目标跟踪为背景，针对无线传感器网络协同技术中的任务分配问题，以降低传感器节点之间的通信能量消耗为目的，提出了一种基于弹性神经网络的任务分配算法。首先对多动态联盟多目标跟踪问题进行建模，然后依据最小能量准则，采用一种非全连接的环形结构的弹性神经网络模型，解决了多目标跟踪时的任务优化分配问题以及多个动态联盟对传感器资源竞争冲突时系统能耗增加的问题。仿真结果表明，该算法与传统的方法相比，大大降低了跟踪系统的能量消耗。     

基于双星编队的空间非合作目标联合定轨方法

针对单颗卫星对空间非合作目标的纯测角跟踪定轨系统存在观测几何条件差和定轨误
差较大的缺点,提出利用双星编队对空间非合作目标进行协同观测。该方法引入平方根无迹
卡尔曼滤波(UKF)算法,并融合地面站观测双星编队信息、双星编队星间测量数据以及双星
编队对空间目标光学观测信息进行整网定轨,实现在纯测角条件下双星编队对空间非合作目
标的实时跟踪。仿真结果表明该方法可以改进观测几何条件和提高空间非合作目标的跟踪定
轨精度。     

一种用于空间群目标分辨的滑动窗轨迹跟踪算法

针对大多数现有的微多普勒分析理论难以解决空间群目标的监测与识别问题,本文提出一种基于提取目标运动特征的弹道中段群目标分辨方法。首先建立了多个具有滑动散射中心的旋转对称目标模型并得到其m-D曲线,在此基础上,利用形态学图像处理方法抑制一维距离像旁瓣,然后提出了一种滑动窗轨迹跟踪的方法分离出各散射点相互交叉的m-D曲线,再对分离结果进行经验模式分解(Empirical-Mode Decomposition, EMD),最后通过提取能够反映目标运动特征的固有模态函数(Intrinsic Mode Function ,IMF),实现了群目标分辨。仿真实验校验了所提方法的可行性和鲁棒性。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题,提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法,该算法以混合建议分布为框架,由两个基本建议分布组成。其中一个基本建议分布为先验分布,另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近,因此有着高效性、高精度等特点。仿真结果表明,对于弹道再入目标轨迹跟踪模型,相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法,HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时,所提出算法的性能增益更为显著。     

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

改进的平方根UKF在再入滑翔目标跟踪中的应用

针对临近空间高超声速再入滑翔目标跟踪问题，提出了一种基于新气动力模型的改进的平方根UKF滤波算法(ISR-UKF)。首先对气动力模型进行了变换。其次，在传统平方根UKF基础上，改用球形无迹变换来计算权系数以及sigma点；改进了平方根矩阵的分解方法；同时为解决矩阵求逆易出现奇异值使滤波失效的问题，提出在协方差矩阵更新中引入多重次稳定因子。最后将该算法分别与基于原气动力的ISR-UKF，基于新气动力的平方根UKF以及基于原气动力的平方根UKF进行仿真比较。仿真表明，该算法具有良好的滤波性能，而且能避免奇异值问题的出现，具有很好的可靠性。