一种基于球坐标的角速率耦合跟踪方法

针对机动目标跟踪中所获取的速度量测信息，分析了速度量测与位置量测信息的关系，建立了球坐标系下角速率耦合跟踪模型。将Coriolis加速度信息引入到对径向距离的滤波处理中，同时也探讨了角速度对径向距离滤波的影响。仿真结果表明，相比于其他几种方法，角速率耦合跟踪方法在一定程度上提高了跟踪精度。     

基于目标运动角速度的火控滤波技术

在跟踪传感器可以提供目标运动角速度基础上,研究了一种将目标运动角速度信息引入火控滤波的方法。针对量测的目标运动角速度物理特性,研究了将目标瞄准线坐标系运动角速度转换为地理坐标系线速度的方法,利用标准卡尔曼滤波算法,将目标速度引入到火控滤波中。仿真结果表明,在保证目标速度精度条件下,引入目标速度信息可以显著改善火控滤波性能,缩短滤波收敛时间。     

卡尔曼滤波补偿在潜载光电跟瞄中的应用

为了提高潜载光电设备的跟踪精度,提出了一种针对扰动误差进行补偿的前馈控制策略,主要方法分为3步:将大地坐标系转化为甲板坐标系;利用Singer模型的卡尔曼滤波对经过变换的光轴坐标系下的扰动量进行滤波;将滤波后的速度反馈到速度回路上,再结合脱靶量信息构成完整的速度环控制.仿真表明,在未加入补偿算法之前粗跟踪最大误差为0.004 rad,加入反馈之后最大误差为0.0018 rad,说明采用的方法能够有效减小跟踪误差.     

量测坐标系下的纯距离自适应跟踪算法

为避免传统雷达数据处理方法中因坐标变换而导致噪声统计规律变化的问题,基于“当前”统计模型,在量测坐标系下提出一种纯距离自适应跟踪算法。算法基于拟合的思想,利用纯距离信息在量测坐标系下进行滤波计算,避免了由于坐标系的变换而产生的偏差和耦合误差。针对目标发生机动的情况,实时地调整加速度方差,从而达到自适应跟踪目标的效果。仿真结果表明,该算法对目标状态的估计更加精确,对机动目标具有较好的跟踪性能。     

多坐标系中的分布式和联邦式数据融合算法

在坐标转换误差条件下,引入kalman滤波算法的两个重要公式.分析多坐标系传感器系统中分布式kalman滤波算法的特点.在此基础上提出一种改进的联邦式滤波算法.新算法中.通过对量测方程和坐标转换方程的变换,使得本地处理器利用本地坐标系中的量测值,通过kalmam滤波算法直接得到参考坐标系下的状态值.相应的,kalman滤波算法也要根据这种数学变形作适当的修正.这样,在联邦式算法中,仅仅需要一次坐标转换就可以得到状态的全局估计,因此,滤波精度比分布式算法有所提高.仿真的结果也证实了这种性能的改进.     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

距离伪量测的空基平台单站无源定位算法

针对空中观测单站平台对海面、地面目标的测向定位问题,提出一种基于距离伪量测的最小二乘-不敏卡尔曼滤波(LSE-UKF)两阶段滤波算法。首先利用单次的测角信息以及目标离地高度的约束条件计算出目标的距离,采用最小二乘法对距离量进行滤波,得到较为准确的距离量。进一步将滤波所得距离量视为伪量测信息,结合观测所得的角度信息进行不敏卡尔曼滤波。仿真实验表明该算法提高了定位精度并且具有较快收敛速度。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

车载捷联惯导/重力匹配/高度计组合导航方法

研究了一种基于捷联惯导、重力匹配和气压高度计进行车载组合导航的方法。建立了重力匹配导航的误差模型,将重力匹配获得的水平位置、高度计输出的高度与捷联惯导输出的对应信息相减作为量测,采用Sage-Husa自适应滤波进行组合导航滤波设计,并针对重力匹配导航非等间隔输出问题,对滤波方程进行了改进。仿真结果表明,该组合导航方法具有较高的导航定位精度,自主性强,抗干扰性好,在军用领域具有良好的应用前景。     

基于量测噪声方差估计的GM-CBMeMBer算法

针对目标跟踪系统下量测噪声统计特性不准确甚至难以获取的问题,提出一种量测噪声统计特性自适应的高斯混合势均衡多目标多伯努利(Cardinality Balanced Multi-Target Multi-Bernoulli,GM-CBMe MBer)滤波算法。该算法引入Sage-Husa自适应滤波器的思想,利用遗忘因子对量测噪声协方差误差进行修正;建立检验统计量,判断算法敛散性;若滤波发散,则采用有偏估计方法来保证算法收敛性。仿真结果表明在非时变、时变量测噪声方差未知情况下,改进算法的跟踪性能优于传统的GM-CBMe MBer滤波算法,对量测噪声的变化具有较强的适应能力。     

改进的多扩展目标PHD滤波算法

在扩展目标产生量测密度差异较大的情况下,传统的基于距离划分的多扩展目标高斯混合概率假设密度(ET-GM-PHD)滤波算法计算量大,跟踪效果不佳。针对这个问题,提出了一种改进的ET-GM-PHD滤波算法,该算法首先通过局部异常因子(LOF)检测对量测集进行杂波的滤除,然后采用共享最近邻(SNN)相似度为量测划分准则。SNN相似度体现了量测分布的局部信息,考虑了量测周围的量测信息,因此利用SNN相似度划分量测密度差别较大的量测集时,划分效果比较理想。提出的算法相较于传统算法,减少了运行时间,提升了跟踪的稳定性。     

基于修正球坐标的红外目标跟踪

仅有角度信息的红外单站对机动目标跟踪不容易实现.修正球坐标系(MSC)所选择的状态变量包含有丰富的目标角度、速度和距离信息.然而,采用这种方式较为复杂且计算量大.为解决非线性和离散化的问题,采取n步逐渐逼近的方式进行状态更新,并且加入在修正球坐标系中因坐标系旋转产生的加速度.通过减小线性化误差和简化状态更新过程使得跟踪效果有较大改进.但是仅依靠角度信息,在MSC中单站仍然只适合匀速或缓变速的场合.仿真结果证明了此结论.     

基于H∞滤波的无序量测更新算法

在目标跟踪系统中,传感器量测因通信延迟无序地到达融合中心,产生无序量测融合问题。针对此问题,将H∞滤波作为基础滤波算法,提出了一种可处理单步或多步延迟无序量测的新算法。新算法借鉴有序滤波思想,利用等价量测来代替无序量测发生时刻后的量测序列,然后从该时刻起利用无序量测和等价量测进行有序更新。仿真实验表明,新算法相比于传统算法有更高的滤波精度,尤其在系统模型误差较大时仍有良好的滤波效果。     

雷达组网抗距离-速度欺骗复合干扰技术研究

利用距离多假目标-速度欺骗复合干扰下虚假目标检测概率高、与真实目标角度量测相近的特点,提出了基于雷达组网的低可观测目标跟踪方法。首先根据角度量测信息完成各雷达量测集的划分与融合,然后进行雷达量测划分同源假设检验,利用虚假目标所暴露的真实目标的角度信息,构造低可观测目标的量测输入,提高目标跟踪的稳定性,最后利用目标速度估计径向投影与速度量测的差异鉴别速度欺骗干扰。仿真结果证明了该技术的可行性和有效性。     

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。     

用于低信噪比机动目标跟踪的多分辨率方法

针对低信噪比情况下目前常用的滤波算法不能同时做到精确和高效跟踪机动目标的缺点,提出一种多分辨率滤波方法用于跟踪低信噪比情形下的机动目标.该算法利用离散小波变换和滤波器组将量测信息分解到不同分辨率的层级,由于在低分辨率下量测的误警率较低,所以在低分辨率层级实现对目标机动信息的提取,可以避免机动信息被噪声所淹没,缺失的信息...     

多导弹协同目标参数估计的EKF设计

针对多枚导弹协同对抗来袭目标的情形,为增强导弹的可观测性和目标信息估计精度,基于扩展Kalman滤波方法,完成了多导弹仅有视线角度量测情况下的协同滤波器的设计。通过适当的系统建模和坐标转换,将其他导弹的量测信息转化为自身的伪量测,增强了导弹的可观测性,从而大幅提高了对初始弹目相对距离误差的鲁棒性和系统状态的估计精度。基于Monter Carlo试验法的200次仿真结果也表明所有状态的估计误差在统计意义上都是收敛的。     

粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。     

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。