基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

多普勒辅助测量IMM-PF机动目标跟踪

针对机动目标跟踪问题,提出了一种辅助多普勒测量的交互多模型粒子滤波算法.该算法利用粒子滤波解决系统观测与目标状态之间的非线性问题,并辅助多普勒测量信息在线估计目标角速率,作为目标转弯模型的参数.采用两个可内部切换的运动模型(常速度/逆时针转弯模型、常速度/顺时针转弯模型)作为交互模型,有效地描述了目标机动并减少了模型个数,进一步提高了算法的效率.对一个以不同角速率多次转弯的机动目标进行跟踪仿真,结果验证了算法的可行性和优越性.     

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.     

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。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

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。     

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。     

对高超声速目标的跟踪及算法研究

对高超声速目标特性进行了研究,针对高超声速目标高速及高机动的特点,提出了使用参考加速度模型的IMM算法.同时采用UKF滤波解决对目标跟踪造成的非线性问题.蒙特卡罗仿真试验证实该算法跟踪效果较好、误差均方值小、跟踪精度高.     

一种估计机动目标运动参数的方法

本文利用非线性跟踪微分器思想，提出了一种对机动目标的运动参数进行估计的新方法。该方法的实质是设计一个动态系统，在跟踪从雷达获得的位置信息的同时，得到目标运动的速度信息。最后给出的仿真结果表明，它不仅具有较高的估计精度，而且计算量不大，不失为一种工程上可实现的有效方法。     

一种基于飞行任务的临近空间短距滑翔飞行器弹道预示方法

针对临近空间短距滑翔飞行器机动模式多变、弹道参数变化剧烈等特点,本文设计了一种基于变结构交互式多模型滤波的轨迹预测方法.该方法基于飞行任务结合自适应网格构建时变的机动模型集,解决机动模式多变的问题.通过引入渐消因子、修正Markov概率转移矩阵,提出一种变结构交互式多模型方法辨识机动模型特征参数.最后通过更新机动模型中...     

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。     

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.     

一种多级助推段弹道导弹跟踪算法

针对多级助推段弹道导弹存在多个加速度突变点、机动性强导致跟踪难度大的问题,提出一种基于量测转换的强跟踪输入估计（STMIE）弹道导弹跟踪算法。在对多级助推段弹道导弹动力学特性分析的基础上,推导出雷达站东北上（ENU）坐标系下弹道导弹的运动方程,并通过将修正的无偏量测转换（MUCM）与STMIE算法融合,使得在导弹跟踪中应用STMIE算法成为可能。以典型的多级助推段弹道导弹为跟踪目标进行仿真校验,结果表明,本文算法对多级助推段弹道导弹目标跟踪性能优越,且算法复杂度较低,效费比高。     

临近空间高超声速滑翔弹双通道跟踪算法

为了提高临近空间高超声速滑翔目标的跟踪精度,提出了一种双通道并行跟踪算法。首先对比分析了目标的弹道轨迹,目标角度域参数相比位置域参数存在更显著的变化规律,为了在雷达测量直角坐标系下跟踪,采用倾角和方位角代替航迹倾角和航向角,将倾角变化率和方位角变化率描述成零均值正弦自相关随机过程,分别建立了纵向通道和横向通道的角度域模型。然后将目标轨迹分解到纵向观测平面和横向观测平面,通过量测数据预处理、双通道并行滤波、输出状态合并,实现目标的三维跟踪。最后通过仿真实验设置了算法中两个通道的机动模型的参数,分析了过程噪声对跟踪精度的影响,仿真结果表明,与现有的临近空间高超声速目标跟踪算法相比,该算法具有较高的跟踪精度。     

临近空间高超声速目标跟踪算法研究

针对临近空间高超声速飞行器运动特性,综述了交互多模型算法（IMM）相对单模型算法的优越性。以临近空间飞行器一个机动转弯部分轨迹进行仿真试验,仿真并分析了匀速（CV）、匀加速（CA）、Singer、当前统计（CS）、Jerk模型算法及IMM算法优点及局限性。结果表明,IMM算法跟踪机动目标在机动时稳定性、精度、机动适应性方面优于单模型算法,但存在实时性、模型转换可能性先验确定等问题,并针对这些问题提出可能的解决方法。     

一类基于改进的当前统计模型的目标跟踪算法研究

提出了一种基于改进当前统计模型的交互式多模型算法。在交互式多模型中,利用滤波过程中的新息和新息协方差的变化,对当前统计模型(CS)的机动频率自适应调整,使模型更适应实际。经理论分析Singer,CS模型的先验假设条件,提出了一种改进的匀速运动(CV)模型,以适应目标弱机动的情形,弥补CS模型在目标弱机动时跟踪精度不高的缺点。理论分析和仿真结果验证了提出算法的有效性。