基于STF的Jerk模型自适应机动目标跟踪算法

在Jerk模型的基础上,提出了一种新的机动目标自适应跟踪算法STF-Jerk。该算法通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,增强了系统对突发机动的自适应跟踪能力,从而很好地改善了Jerk模型在跟踪机动目标时的跟踪精度。仿真结果表明,提出的STF-Jerk自适应跟踪算法显著提高了Jerk模型自适应算法的机动目标跟踪性能。     

跟踪滤波器在鉴相式角度测量系统中的应用

讨论了跟踪滤波器的工作原理及性能指标，分析了跟踪滤波器对双相分解器精密角度测量系统静态精度和动态性能的影响．     

涡轴发动机健康管理跟踪滤波器技术

以反映部件健康状态的变几何涡轴发动机部件级数学模型为基础,利用线性化方法建立了反映航空发动机健康状态的线性状态空间数学模型;利用Kalman滤波器原理,构建了涡轴发动机健康状态跟踪滤波器。对线性状态空间模型和健康状态跟踪滤波器进行了仿真,结果表明：线性状态数学模型准确、实时;健康状态跟踪滤波器可准确地估计出涡轴发动机健康状态的变化。     

二阶滑模跟踪微分器与带通滤波器频域分析

简要介绍了二阶滑模跟踪微分器的基本原理,应用描述函数法对其频率特性进行了分析。在此基础上设计了带通滤波器并对其频率特性进行了分析,给出了二阶滑模跟踪微分器及由其所构成带通滤波器的参数选择和调试方法。仿真结果表明,通过适当选取有关设计参数,带通滤波器能够从几种频率合成信号中提取出特定频率的信号。     

考虑有色噪声影响的脉冲星导航2级强跟踪差分滤波器

为提高X射线脉冲星导航对有色噪声及太阳系内星历误差的鲁棒性，设计了2级强跟踪差分滤波器（TSTDKF）。首先在分析导航原理基础上，导出了中心天体星历误差对导航结果的误差传递关系，并利用扩展卡尔曼滤波器（EKF）进行了仿真验证；在同一运行轨道上，又结合引力摄动模型对第三天体引力摄动数据进行了分析，证明该部分噪声为有色噪声。根据以上结论，将普通2级卡尔曼滤波器（TKF）的无偏滤波器设计为一种改进的差分卡尔曼滤波器以降低有色噪声对导航系统的影响，同时又在其独立偏差滤波器中根据观测残差构建了多重自适应调节因子以增强其跟踪性能，两者共同构成TSTDKF的2个并行滤波器。通过仿真实验证明，TSTDKF的位置误差性能最大可比EKF和TKF改进56.49%和35.18%，速度误差性能改进27.66%和17.07%；对星历误差的跟踪效果也整体好于TKF。     

实时光学多目标识别和跟踪系统与方法

这里介绍的是一种多目标的光学识别方法，以及相应设备，方法的跟踪能力。此钼，还介绍了跟踪已识别物体的情况。在工作时，待识别物体由多点空间滤波器预先确定。     

用于非线性跟踪问题的一种新的粒子滤波器

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     

利用区间广义卡尔曼滤波器跟踪来袭弹道式导弹

用雷达跟踪来袭弹道式导弹，由于其运动模型、测量噪声的不确定性，成为需要研究的重要问题。经典广义卡尔曼滤波器（ＥＫＦ）不再适用于这种不确定的问题，因此，引入一种新的区间广义卡尔曼滤波（ＥＩＫＦ）方法来跟踪导弹系统。计算机仿真结果表明本ＥＩＫＦ算法对于这种不确定的、非线性弹道式导弹的测量问题是有效的。     

扫描跟踪和图象跟踪之间的协调控制

扫描跟踪和图象跟踪方式之间的协调控制系统设计者提出了一些重要的问题。扫描跟踪用于点目标，图象跟踪用于大面积目标；在任何给定条件下，有时两种方法都可能用到。必须找到协调控制的一个最佳点。目标还可能在扫描跟踪和图象跟踪最佳的状态之间变化。当用一种方式丢失目标后，用另一种方式再次捕获目标又是另一个必须论述的问题。两种方式的局限性是需要考虑的：采用二维空间算法点点目标探测取决于目标和滤波器这两者的外形尺寸大小。图象跟踪的实现主要取决于目标的大小和形状。本文将论述采用典型的扫描跟踪探测点目标的探测算法，简要地介绍一种典型的图象跟踪器并给出几种不同情况下获得的结果。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

一种基于参数控制的低轨星载接收机载波跟踪算法CSCD

低轨星座接收机面临大多普勒频移及频繁快速换星等设计约束,对其载波跟踪环路设计提出了较高的动态适应性与跟踪精度要求。针对以上问题,提出了一种基于参数控制的载波跟踪算法。该算法引入环路控制因子参数,将环路滤波器分为牵引和跟踪两阶段。基于理论建模推导环路控制因子的最优参数配置原则,指导实现牵引和跟踪两种状态滤波器的协同配合,在牵引阶段有效引导大多普勒信号快速入锁,在跟踪阶段精确估计载波频移参数,实现基于低轨星载平台的GNSS信号快速准确跟踪。理论与仿真结果均表明基于参数控制的载波跟踪算法能够有效提升环路的动态适应性与跟踪精度,满足低轨星载接收机的设计需求。与传统算法相比,该算法在保证信号跟踪精度的同时,能够将收敛时间缩短78%,且环路设计简单,易于硬件实现。     

滚动接触疲劳实验机跟踪滤波器设计

在滚动接触疲劳实验机的设计中,为了从复杂的背景噪声中提取与疲劳密切相关的振动信号,采用了窄带跟踪滤波技术.该滤波器以开关电容滤波原理为基础,设计锁相倍频电路,通过开关频率f<,CLK>,跟踪信号的中心频率f<,O>,实现实时动态跟踪滤波.实验结果证明,该滤波器满足疲劳实验机的总体设计要求.     

复杂电磁条件下的辐射源信号分离方法

针对复杂电磁环境下的辐射源信号分离问题,提出了一种基于数字信道化的分离方法。该方法首先基于滑动离散傅里叶变换设计了二级信道化结构,该结构可将不同类型的同时到达信号划分至不同信道;随后,设计跟踪滤波器对各信道输出峰值进行跟踪,利用跟踪结果完成时域交叠信号在时频域的分离,并在此基础上通过反变换获得不同信号的时域波形;仿真实验验证了文中所提算法的有效性。     

结合Kalman滤波的改进MOSSE跟踪算法设计

机载目标跟踪系统具有广泛的应用前景,随着技术的发展,在实际应用中机载目标跟踪系统对体积、实时性、功耗等方面的要求逐渐提高。因此针对上述需求,提出了一种基于FPGA的实时目标跟踪系统。系统采用误差最小平方和滤波器(Minimum Output Sum of Squared Error Filter, MOSSE)跟踪算法,同时针对机载目标运动轨迹相对平稳的特点,采用Kalman滤波算法改进MOSSE跟踪算法。实验结果表明,改进后的算法具有更高的稳定性。在FPGA测试中,改进后的算法BRAM＿18K消耗降低了20.33%,DSP48E消耗降低了8.09%,运行速度能够保持在200fps。     

不完全量测下一类非线性光电跟踪系统滤波器设计

 随着不完全量测条件下探测概率的下降,传统光电跟踪系统的跟踪性能显著降低。为此,本文考虑将俯仰和偏航两个方向的角速度量测引入传统光电跟踪系统,并设计了不完全量测下基于置信度融合的目标跟踪滤波器。首先针对这类新型的光电跟踪系统建立了系统的量测模型,利用嵌套条件方法推导了转换量测误差前两阶矩的一致性估计;然后针对位置探测通道与角速度探测通道的4种数据探测情形设计了4个子滤波器,并根据探测通道的探测情况计算出各子滤波器的置信度,进而对各子滤波器的输出按置信度进行加权融合,得到了跟踪滤波器的全局输出;最后给出了非线性跟踪系统统计意义下的Cramer-Rao下界(CRLB)。Monte-Carlo仿真表明：在不完全量测下,相比传统光电跟踪系统,附加角速度量测的光电跟踪系统的跟踪性能有了显著提高,并且滤波器估计误差均方差(RMSE)已逼近非线性跟踪系统统计意义下的CRLB。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

爱普生推出基于MEMS技术的波长可变滤波器

精工爱普生和Santee公司现已使用MEMS技术，面向光通信领域开发出新型波分滤波器。主要面向采用波分复用装置（WDM）的长距离通信用波长监视设备等。设备尺寸将会大大小于使用棱镜和AWG等装置的老式滤波器。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

适用于矢量接收机的模糊自适应CKF方法研究

卫星导航接收机矢量跟踪环路的核心就是用一个Kalman滤波器将标量接收机的信号跟踪和导航解算一起完成,优点是能够形成通道之间的相互辅助,缺点是也会相互影响。尤其在部分卫星信号被遮挡或者部分通道信号质量较差的环境下,问题通道会影响其他通道,甚至导致矢量跟踪环路滤波器发散,常规的方法是检测故障通道然后将故障通道剔除,这样需要对导航滤波器进行变维操作。针对此问题,提出了一种新的消除问题通道对其他通道影响的方法,同时不需要对导航滤波器进行变维。首先给出了一种标度因子,用来判断通道是否存在故障通道,然后给出一种利用模糊控制的导航滤波器自适应调整方法。仿真表明,在通道卫星信号被频繁遮挡的极端情况,矢量接收机依旧能保持正常的导航精度,并没有明显受到误差通道的影响,同时避免了对导航滤波器进行变维操作。