估算转弯加速度的卡尔曼滤波器

近年来由于计算机的飞速发展，计算速度越来越快，所以用相控阵天线跟踪目标时采用卡尔曼滤波器已成为现实。对直线飞行的目标，卡尔曼滤波器能得到良好的跟踪精度，但若目标的加速度为高斯噪声，目标转弯时跟踪精度会降低。对处理转弯目标的跟踪精度曾提出两种方案，即估算输入的卡尔曼滤波器和二级卡尔曼滤波器。这些卡尔曼滤波器是在目标的运动模型上使位置和速度矢量与加速度矢量分离，利用预测误差估算加速度的。但由于对预测增减较大的目标的急转弯与目标运动模型不匹配，所以得不到良好的跟踪精度。为此提出了为处理目标的急转弯，不用预测误差而是通过卡尔曼滤波器估算的位置计算出形成飞行轨迹的转弯半径和角速度。还通过计算机仿真与原来的中方式进行比较，证明了其有效性。     

一种多目标鲁棒跟踪滤波器研究

多目标鲁棒跟踪是现代雷达跟踪系统的重要技术指标之一。为此,本文在作者以往的研究成果[1—4]基础上,提出了一种多目标鲁棒跟踪滤波器。该滤波器主要由模糊α—β滤波器和自校正估值器组成。它们分别是根据模糊集理论和本文提出的二次新息序列概念设计的。仿真结果表明,这种滤波器比以往的α—β滤波器,不但跟踪机动目标精度高,而且具有较好的鲁棒特性。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法.传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高.在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化.对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较.仿真结果表明新算法的模型更准确,跟踪性能更好.     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法，利用扩展卡尔曼滤波器进行非线性滤波，取Taylor展开的前两项，可能引入较大的线性化误差，导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述，并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确，跟踪性能更好。     

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。     

采用具有输入估值的变维滤波器进行的跟踪

本文提出了一种跟踪机动目标的改进方法。把输入估值方法的逆推公式与变维滤波器方法综合起来就构成了本文所提出的跟踪滤波器。在所提出的方法中，滤波器还提供目标开始机动的瞬间时间估值（当检测到目标机动时）。支用所估算的机动起始时间也可估算机动输入，跟踪系统则转换为机动模型。所提出的方法的计算负担与输入估值方法的相当。这种跟踪滤波器的有效性已经通过模拟得以验证，并将茯与交互式多模（ＩＭＭ）滤波器、输入估值滤     

一种纯距离跟踪滤波器的改进算法

针对纯距离目标跟踪可观测程度较低的问题,提出一种基于角度参数的纯距离目标跟踪改进算法。文中方法将系统的观测区间范围划分为若干个子扇区,每个子扇区采用一个独立的加权扩展卡尔曼滤波器进行纯距离跟踪,利用贝叶斯理论来修正各滤波器的权重,系统的输出为各并行运行的滤波器估计值的加权和,最终获得目标的运动轨迹。系统的仿真结果表明,方法收敛速度快,跟踪精度高于扩展卡尔曼滤波器的跟踪精度。     

非合作机动目标天基测角定轨研究

在对空间非合作目标天基测角卡尔曼滤波定轨中,目标机动会导致常规卡尔曼滤波器发散.提出一种无迹卡尔曼滤波(UKF)结合带次优渐消因子的无迹卡尔曼滤波(SFUKF)的滤波定轨方法,目标无机动时使用UKF,在目标机动时使用SFUKF,给出了目标机动的判断准则.仿真结果表明,此滤波方法在目标无机动时有较高的状态估计精度,在目标...     

空间拦截中只测量视线角速度的跟踪滤波器的可观性分析

建立了空间拦截中导弹与目标的相对运动方程。论述了卡尔曼滤波器的可观性准则，研究了跟踪滤波器的可观性，并分析了影响跟踪滤波器可观性的因素。数字仿真证实了理论的正确性。     

弱信号机动目标的跟踪滤波器

本文对跟踪小有效散射面积机动目标的跟踪滤波器的工作特点进行了分析。     

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。     

一种单站无源定位原理与目标跟踪算法研究

基于辐射源的信号到达方向(DOA)及其变化率信息,提出了一种对机动目标进行单站无源定位与跟踪的方法。根据建立的目标机动模型和测量方程,分别用扩展卡尔曼滤波(EKF)和修正协方差扩展卡尔曼滤波(MVEKF)算法实现对机动目标的定位与跟踪,并给出了算法模型。仿真结果表明,该法正确有效,定位精度较高、收敛速度快。     

用卡尔曼滤波实现单轴跟踪系统的前馈复合控制

在跟踪系统中 ,利用目标单轴向运动加速度的非零均值相关模型可以构造目标的运动学方程 ,用接收机角误差信号和天线座测角传感器信号重构目标位置量测的方法 ,可以组成目标运动的量测方程 ,从而构造关于目标位置、速度、加速度的状态估计器。利用目标机动加速度的当前统计模型 ,则实现了该估计器加速度的均值和方差的自适应滤波估计运算。针对状态方程为上三角阵的特点 ,采用一次一个量测的处理方法 ,对误差协方差阵的传播和更新实现全上三角矩阵因子分解 ,保证了估计器实时运算的数字稳定性。上述技术的综合应用 ,用卡尔曼估计器实现了单轴角跟踪系统的前馈复合控制     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

中远程面（空）对空导弹末制导段的机动目标“标架”模型及自适应估计算法

根据中远程导弹制导系统大都采用脉冲多卡勒雷达导引头的趋势和中远程防空导弹末制导实用对目标机动运动状态的需求，基于目标螺旋机动和蛇行机动的切加速度和法向加速度在目标轨迹活动框架上缓变的特点，本文提出了一种建立在目标轨迹活动框架上的运动状态方程和自适应Kalman估计算法，该方法克服了在直角坐标系和球坐标系上估计目标快变加速度机动延迟大的缺陷，仿真实验证明该算法有很好的跟踪稳定性和收敛性，为先进末制导律的实现创造了条件。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

基于深度学习的目标跟踪技术及其多波段应用研究

目标跟踪是计算机视觉领域中最具挑战性的领域之一。首先，回顾了目标跟踪技术发展现状并总结出目标跟踪的一般流程；其次，分析了卡尔曼滤波、粒子滤波等传统目标跟踪方法的优缺点；再次，依次重点介绍了固定窗跟踪等相关滤波目标跟踪方法，以及全网络自适应目标跟踪等高性能目标跟踪方法；最后，总结了目标跟踪在红外、毫米波、太赫兹等波段的应用，并对多波段融合目标跟踪进行了展望。     

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