一种新的基于机动检测的机动目标跟踪算法

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。     

常增益变采样率自适应滤波

作者曾给出一种跟踪飞机机动的自适应滤波,采用直角坐标系中的9维状态量,利用最优检测统计量探测目标机动,并用估计到的机动加速度修正目标的预报值。 本文将在文献[1]的基础上,提出两种简化自适应滤波。其一,采用两套直角坐标系中的9维卡尔曼滤波,其中的一套滤波用于取代最优检测统计量,完成对目标机动的探测和估计的功能;其二,采用三通道解偶的常增益变采样率自适应滤波。     

跟踪飞机机动的自适应滤波方法

本文研究了对目标机动的最优检测问题,针对飞机主要有三种飞行状态:匀速直线运动、加速直线运动与圆运动这一特点,提出了既探测飞机机动又同时判断飞机作何种形式的机动的方法;并建议对飞机的不同飞行状态,采用相应的动态模型。在此基础上,给出了自适应滤波方法。最后给出的仿真计算果表明,自适应滤波方法有较高的跟踪精度。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

卫星回收轨道和导弹弹道的实时跟踪

 本文主要讨论卫星回收轨道和大气外机动导弹弹道的实时跟踪,提出解耦卡尔曼滤波和改进的α-β-γ滤波两种方法,为探测并跟踪目标的机动,滤波中加了自适应的功能,模拟计算和实测数据的计算结果表明,上述方法是有效的。     

图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。     

对飞机的跟踪方法

 本文叙述对作机动飞行（加速、转弯等）的飞机进行实时跟踪的方法,该方法采用自适应（一阶）多项式滤波,其中用X²分布法探测飞机机动,分别用方差匹配法及两种算法估计由机动产生的模型噪声方差Qk。模拟计算表明,两者对飞机机动的跟踪都是成功的,而后者对工程应用更方便一些。     

基于滤波扩张观测器的有限时间收敛制导律

为提高拦截机动目标的精度,基于滤波扩张状态观测器提出了一种考虑自动驾驶动态特性的有限时间收敛制导律.通过滤波扩张状态观测器对制导律中目标机动信息进行补偿,使导弹在拦截目标时具有更高的拦截精度.仿真结果表明,在目标机动情况下,设计的制导律能保证视线角速度在有限时间内收敛到零,拦截弹过载较小,具有较好的动态特性和鲁棒性.同时与普通的扩张观测器的估计结果相比,滤波扩张状态观测器对机动目标的跟踪效果较佳.     

一种用于弹道导弹助推段的多机协同探测方法

针对远程弹道导弹助推段协同探测问题,在双机协同探测的基础上,提出了一种试探机动轨迹优化与三轴分离IMM-EKF (TASIMM-EKF)滤波算法相融合的多机协同探测方法。首先,考虑到探测无人机自身位置对于目标定位精度的影响,提出了采用试探机动轨迹优化策略对各探测无人机进行轨迹优化。同时,提出了一种三轴分离IMM-EKF滤波算法。仿真结果表明,该方法能有效提高状态估计精度,缩短估计时间,对机动目标状态估计表现出良好的性能。     

机动目标的多项式预测模型及其跟踪算法

根据匀变速运动的多项式描述形式,利用多项式预测滤波器对目标状态建模,提出了一种全新机动目标运动的动态模型——多项式预测模型,并针对这个全新的模型给出了相应的最优滤波算法。分析表明：该模型可以精确描述任意可以由多项式描述的目标运动,而不需要已知运动的具体参数,因此相应的最优滤波算法适用于任何可以用多项式描述的机动目标状态估计问题。一个机动目标跟踪问题的计算机仿真证明了本文方法的有效性和实用性。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。     

基于辅助粒子滤波的机动目标跟踪研究

针对机动目标跟踪巾扩展卡尔曼算法（EKF）收敛速度慢、跟踪精度低的问题,基于粒子滤波（PF）和辅助粒子滤波（APF）的基本思想,结合目标先验信息将速度约束条件加入到跟踪过程巾,对辅助粒子滤波算法进行了仿真分析,与扩展卡尔曼进行仿真对比,分析了跟踪性能和误差。仿真结果表明,对机动目标跟踪问题,辅助粒子滤波不仅解决了扩展卡尔曼线性化困难难题,与EKF相比还具有收敛速度快,跟踪精度高的优点。     

自主近距空战中机动动作库及其综合控制系统

针对自主近距空战中机动动作库的设计,采用定性与定量结合的方法对机动动作进行描述,以准确体现机动动作的几何形态和战术意义,构成含描述参数的机动动作库。对于机动动作的控制,提出了按照任务控制-运动学控制-动力学控制-被控对象划分的综合控制系统多层递阶结构。其中,机动动作控制器针对每种机动动作分别设计指令生成器,生成气流角和速率指令;气流角控制器采用含指令滤波的backstepping方法进行控制律设计。以半滚倒转和高速摇摇为例进行仿真验证,仿真结果表明,机动动作的描述参数能准确体现其几何形态和战术意义,并通过综合控制系统实现有效控制。     

基于多传感器的机动目标跟踪与融合技术综述

在分析了目标跟踪技术的重要地位之后，对目标跟踪要素进行了简要介绍。同时，描述了机动目标建模、滤波算法、航迹管理、传感器管理以及目标身份识别技术常用的方法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

引入神经网络的交互式多模型算法

在交互式多模型算法中引入神经网络算法以改进目标跟踪的精度。利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改,提高该算法的性能,然后采用交互作用多模型算法跟踪机动目标,提高了机动目标的跟踪精度。     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

机动多目标跟踪问题中关联区域的研究

 本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。     

基于交互多模型和中值滤波的加速度估计方法

针对交互多模型算法对目标加速度估计误差较大的不足,提出了一种基于交互多模型和中值滤波的目标加速度估计方法.通过对交互多模输出的加速度信息进行中值滤波提高对加速度估计的精度.计算机仿真表明,该方法比交互多模型对匀速目标,特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

残差滤波及其在密集多回波环境下机动多目标跟踪中的应用

 修正概率数据关联滤波（MPDAF）是目前解决密集多回波环境下机动多目标跟踪较为有效的方法,但当回波密度增高时,该方法容易失跟。本文针对此特点,在MPDAF基础上,提出了残差滤波（RF）方法,分别从理论和Monte carlo仿真两方面揭示了RF与数据关联的内在机理,结果表明该方法能大幅度提高跟踪滤波器捕捉目标和剔除关联域内多余回波的能力以及跟踪的性能,是一种解决高密集多回波环境下机动多目标跟踪的有效方法。     

一类新型的机动目标跟踪算法

针对机动目标跟踪,提出了基于截断正态概率模型的改进自适应目标跟踪算法,该算法具有结构和计算简单,鲁棒性好的特点,通过仿真结果对比,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波方法在跟踪机动目标时的不足。