基于均值漂移无味粒子滤波的地面运动目标变结构交互多模型跟踪(英文)

为了跟踪地面运动目标,本文提出在变结构交互多模型基础上使用均值漂移无味粒子滤波的算法。模型滤波中,通过均值漂移将无味粒子滤波产生的采样粒子向目标状态最大后验密度估计方向移动。"停止"模型基础上,提出了"遮蔽"模型:出现地形遮蔽时,使用上一时刻的预测代替下一时刻的测量,且保持道路模型与遮蔽前一致。仿真实验采用地面运动目标指示雷达,考虑地面运动目标的三种常见场景:进入或离开道路、经过道路交叉点以及无测量值。使用了RMSE和ANEES两种评价指标,实验结果表明本文算法有效地提高了目标改变行驶道路时的跟踪精度;且目标速度过低或被遮蔽时,可以避免轨迹中断。     

基于PSO的多观测器轨迹优化研究

在多观测站目标被动跟踪过程中,多观测器运动轨迹对定位跟踪精度有重要影响.为提高对运动目标的跟踪精度,将目标滤波协方差的迹作为目标优化函数,提出一种基于粒子群算法(Particle Swarm Optimi-zation,PSO)的多观测器轨迹优化方法,并将轨迹优化加入运动目标被动跟踪过程中,实现了观测器自适应运动下的运...     

强跟踪滤波在高超声速滑翔目标跟踪中的应用

高超声速滑翔目标(HGT)机动模式复杂多样、轨迹形态灵活多变,增加了跟踪模型建模的不确定性,导致目标跟踪的精度低。为了提高跟踪精度,提出了一种基于强跟踪滤波的高超声速滑翔目标跟踪方法。首先,在地基雷达坐标系下建立目标运动模型和量测模型,利用维纳随机过程来表征运动模型中未知项的变化特性。其次,采用强跟踪无迹卡尔曼滤波(UKF)算法对目标运动状态进行估计,提高模型不确定性存在时滤波器的状态跟踪能力。最后,利用目标常用的基于标准轨迹的制导方法生成了一条可行飞行轨迹。仿真结果表明,该方法的跟踪精度高,强跟踪滤波能够有效降低模型不确定性存在时的状态估计误差。     

利用跟踪-微分器构造机动目标估计模型

在分析目标运动特点的基础上,提出了一种新的基于跟踪-微分器的机动目标估计模型。该估计模型与卡尔曼滤波算法相结合,能够在动态过程完全未知的情况下估计出目标运动参数,且估计模型简单,物理意义明确,能够适应于目标的各种机动行为模式。仿真结果表明,具有跟踪-微分器结构的估计模型不但具有很强的适应性,而且能够获得满意的估计精度。     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

基于GPS定位技术的电力巡检目标实时跟踪平台设计

电力巡检系统在巡检过程中受磁场、风等因素影响,在跟踪巡检目标时存在偏差。为了提高平台跟踪电力巡检目标轨迹与实际轨迹的拟合度,提出了基于GPS定位技术的电力巡检目标实时跟踪平台设计。以电力巡检系统为基础,将平台分为电力巡检目标跟踪运行控制模块、周边环境信息采集模块、电源模块、通信模块和中央控制系统五部分,并设计了平台硬件结构。设计了GPS定位技术和BD-2定位技术定位组合模型,通过求解定位模型,定位电力巡检目标。引入KCF算法设计电力巡检目标实时跟踪算法,实现了电力巡检目标的实时跟踪。实验结果表明：设计平台跟踪单个目标和多个目标时,目标跟踪轨迹均与实际轨迹拟合,跟踪误差小于1m,具有较高的拟合度。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

基于模型预测静态规划的自适应轨迹跟踪算法

轨迹跟踪是飞机自主运动控制的关键问题之一。跟踪模型预测静态规划（T-MPSP）是一种新近发展的基于非线性模型的轨迹跟踪算法,但对于飞行器受损等情况下,模型参数相较于标称模型具有较大的偏差时,则可能导致轨迹跟踪效果不理想。提出了基于参数估计的自适应轨迹跟踪算法,在模型预测静态规划（MPSP）的框架下得出解析解,实现了对参数的实时估计,据此更新跟踪模型预测静态规划算法中所使用的模型后,可以有效扩大对参数偏离的适应性,并保留模型预测静态规划计算效率高的特点。通过仿真对比得出,相较于已有的跟踪模型预测静态规划,改进后的算法对模型参数偏离的容忍性明显提高,且算法迭代效率高,适于在线应用。     

多威胁障碍下翼伞系统的最优轨迹规划

针对翼伞系统在多威胁障碍环境下的最优轨迹规划问题,提出了一种结合改进RRT~*算法和高斯伪谱法的混合策略方法。根据翼伞运动模型特点,改进了原始RRT~*算法的距离度量和节点扩展方式,采用目标偏向的采样策略加快算法找寻初始轨迹的速度;根据翼伞系统的四自由度运动模型建立以控制量为目标函数的最优控制问题,利用高斯伪谱法将最优控制的轨迹规划问题转换为带约束的非线性规划问题,再将初始轨迹作为该非线性规划问题的初始解以减少迭代次数、加快收敛速度。仿真结果表明,所提方法在多威胁障碍环境下可以规划出满足要求的最优轨迹,且比原高斯伪谱法节约了大量运行时间。     

一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题，提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵，并定义算法的代价函数，给出迭代终止条件，保证了算法收敛精度，减小状态的观测更新误差，提高了目标状态估计精度。利用BP神经网络修正滤波结果，补偿系统滤波误差，进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。     

Probability hypothesis density filter with adaptive parameter estimation for tracking multiple maneuvering targets

The probability hypothesis density (PHD) filter has been recognized as a promising tech-nique for tracking an unknown number of targets. The performance of the PHD filter, however, is sensitive to the available knowledge on model parameters such as the measurement noise variance and those associated with the changes in the maneuvering target trajectories. If these parameters are unknown in advance, the tracking performance may degrade greatly. To address this aspect, this paper proposes to incorporate the adaptive parameter estimation (APE) method in the PHD filter so that the model parameters, which may be static and/or time-varying, can be estimated jointly with target states. The resulting APE-PHD algorithm is implemented using the particle filter (PF), which leads to the PF-APE-PHD filter. Simulations show that the newly proposed algorithm can correctly identify the unknown measurement noise variances, and it is capable of tracking mul-tiple maneuvering targets with abrupt changing parameters in a more robust manner, compared to the multi-model approaches.     

自由段弹道目标跟踪算法在工程中的应用

在对弹道目标跟踪预警的工程实践中,雷达系统对目标运动的信息处理速度尤为重要,因而,文章选取自适应跟踪模型与卡尔曼滤波相结合的方法解决自由段弹道目标的跟踪问题,并与扩展卡尔曼跟踪算法做了对比分析。仿真显示,2种滤波方式分别与自适应跟踪模型相结合后,卡尔曼滤波和扩展卡尔曼滤波跟踪性能相差不大,但其算法简单、运算时间短,可以较好满足自由段弹道目标跟踪的工程需求。     

基于CPHD的双层粒子滤波目标跟踪算法

常规基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density,CPHD)的粒子滤波(Particle Fil? ter,PF)跟踪算法应用于多目标跟踪时,容易遇到因粒子数量增加而带来的运算效率下降、目标数目估计不准的问题。文章基于常规粒子滤波 CPHD跟踪算法,通过部署双层粒子,提出基于势概率假设密度滤波的双层粒子滤波 (Two-Layer Particle Filter-CPHD,TLPF-CPHD)算法,以便提高目标数目及状态估计精度。仿真实验结果证明,相比于常规 PF-CPHD算法,新算法具有更好的目标数目和状态估计准确性。     

基于交互式多模型的主被动站跟踪算法

在高斯白噪声下,使用交互式多模型算法融合主动站和被动站量测信息,在各类机动状态模型切换,完成对机动目标的定位跟踪。根据主动站到达目标然后到达被动站的距离和以及目标到达主被动站的方位角和俯仰角信息建立量测模型;在交互式多模型算法的基础上,在常规直线机动模型基础上引入Singer模型,模拟目标机动运动;以几何关系求解得到的目标位置作为目标初始解,相较于其他初始模型,算法具有更好的收敛性。仿真实验表明,在主被动站间距几十千米,目标与主被动站间距几百千米,到达角误差2°左右,到达时间误差20 m左右的情况下,使用交互式多模型算法跟踪目标,收敛误差在百米级别。     

单兵火箭弹简易制导控制方法研究

为降低单兵制导火箭弹的成本,同时确保其具有较远的作用距离和较高的命中精度,针对静止目标,设计了单兵火箭弹简易制导控制律.首先,将飞行弹道进行分段设计,以瞄准线作为基准弹道,采用虚拟目标导引法实现对基准弹道的跟踪;然后,进行STr控制器的设计,基于典型设计点处控制器的参数插值,得到实时飞行过程中的控制器参数,确保火箭弹在整个飞行过程中具有较高的控制精度;最后,进行了仿真计算,通过仿真结果分析可知,所设计的制导控制系统具有较高的鲁棒性.     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

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。     

伞舱系统跟踪引导数据迭代算法

针对在返回舱乘伞下降阶段,测控链中弹道测量设备丢失目标,以及跟踪结束后无法外推生成可靠引导数据,光学设备难以快速捕获目标等问题,以风场修正模型为基础,通过风场提前修正与采用测量数据实际修正相结合的方法,建立伞舱系统跟踪引导数据迭代算法.利用多次返回段任务数据对该算法进行实验验证,并与实际任务中目前使用的方法进行比较,结果表明：通过该算法推算较长时间后的引导数据,其平均误差为现有方法的6％;推算较短时间后的引导数据,其平均误差为现有方法的20％.因此,利用该算法计算的引导数据精度较高,有助于光学设备及其他测控设备快速捕获或重捕目标.