鱼雷目标定位跟踪技术

对鱼雷目标进行定位跟踪是舰艇反鱼雷的关键,报警声纳能够给出水下鱼雷目标的方位信息,但仅利用方位信息对鱼雷目标进行定位跟踪是不够的。对本水面舰艇舰壳声纳和拖线阵声纳纯方位协同探测可行性进行分析,并对协同探测条件下鱼雷目标定位跟踪算法进行探讨,建立可应用于鱼雷目标定位跟踪的滤波算法模型,对其定位精度进行分析,并与最小二乘算法进行比较,通过仿真比较,最终确定出可用于鱼雷目标定位跟踪的算法模型。     

基于子协方差阵加权的三星时差定位数据综合

为提高三星时差定位系统的定位精度,需要将系统在不同时间得到的多个定位估计结果进行统计综合。本文提出了一种基于子协方差阵加权的定位数据综合算法。该算法根据单点定位精度分析结果,先利用定位误差协方差的二维子阵的逆矩阵作为权矩阵,通过加权最小二乘估计目标空间三维坐标位置中的其中两维,再利用WGS-84地球模型求解另一维坐标。仿真实验表明,相比已有算法,所提新算法可以明显提高定位精度。     

对运动目标多站时差定位和被动跟踪方法

针对对运动目标的被动定位跟踪问题,建立了对运动辐射源多站时差定位及被动跟踪的数学模型,研究了基于扩展卡尔曼滤波(extended Kalman filter,EKF)的被动跟踪算法。首先,对运动目标建立了二阶常速运动模型,利用实时的时差定位结果和误差协方差矩阵作为扩展卡尔曼滤波的初始值和初始协方差进行被动跟踪;然后,进行了对运动目标定位跟踪的场景仿真,结果表明:扩展卡尔曼滤波实现了对时差定位实时结果平滑作用,使用该方法定位精度大大提高,目标轨迹更明显;最后,通过工程试验验证了该算法的有效性。     

布站形式对TDOA无源区域定位系统定位精度的影响

基于TDOA的陆基多基站定位系统的布站形式对定位系统的定位精度具有较大影响.给出了基于TDOA的陆基无源定位系统的定位算法和定位精度模型,对各种布站形状对定位精度的影响作了简单的仿真和分析,并主要分析了倒三角形式下各种要素对定位精度的影响.对陆基无源区域定位系统的布站形式提出了一些建议.     

基于图像和惯性的头盔组合跟踪原理

不同体制的头盔跟踪定位技术单独使用时都存在一定的原理性性能制约,提高跟踪定位技术整体性能的有效途径是采用组合跟踪。目前综合性能较好的是图像式头盔跟踪,图像式跟踪技术精度高,输出数据平稳,稳定性好,但其缺点是头盔活动范围受制于CCD摄像机视场及头盔大角度转动时头盔本身对CCD摄像机视角的遮挡。惯性跟踪不需要任何外来信息也不向外辐射任何信息,可在任何介质和任何环境条件下实现360°全范围头部跟踪,但其定位精度随时间下降。提出的基于图像和惯性的头盔组合跟踪技术充分利用图像跟踪精度高、长期稳定性好及惯性定位跟踪范围广、跟踪系统简单的优点,达到单个跟踪定位体制不具备的综合性能。     

主被动传感器空时对准融合模型目标跟踪技术

针对主被动传感器量测的时空不同步和定位的非线性,以提高跟踪精度为目的,构建了空时对准融合跟踪模型。通过牛顿插值法实现了时空量测的同步,并基于融合算法建立了模型的滤波算法。最后,在匀速直线运动目标和机动目标的背景下验证了时空对准融合跟踪模型对目标的跟踪效果,在主被动传感器信息利用、提高精度等方面具有一定的理论和实际意义。     

三星系统对地面机动目标无源定位的IMM算法

研究了三星测时差无源定位系统对地面机动辐射源定位与跟踪的滤波算法问题.将IMM滤波器应用到三星时差定位系统中,采用三模型组合的IMM滤波算法,首先通过时差测量参数计算出粗略的定位结果,接下来采用IMM滤波算法逐步估计出机动辐射源的速度和加速度,并修正初始的定位结果,提高定位精度.仿真结果表明,基于IMM滤波器的三星时差定位系统具有较快的收敛时间、较高的跟踪精度和适中的计算复杂度,能够对不同强度的机动目标进行定位与跟踪,很好地解决了三星时差定位系统对地面机动辐射源定位跟踪的算法问题.     

基于DCPM-FGA的隐马氏模型的参数训练

建立了一种将直接比较比例方法与模糊遗传算法结合在一起用于隐马氏模型参数训练的方法。针对不同的码本大小进行了仿真试验。结果表明,在码本较大时该方法效果要好于B W算法和Viterbi算法,码本较小时两种方法性能相近。     

一种改进的Mean-shift目标跟踪算法

提出了一种利用多帧图像中目标区域颜色直方图特征信息的Mean-shift目标跟踪算法,该算法以Mean-shift为核心,在对目标模板建立特征模型时,不仅考虑了前一帧的目标区域的颜色直方图,而且将前数帧中目标区域的颜色直方图通过加权一起考虑,从而提高了跟踪的稳定性。     

半自动激光末端修正弹的目标定位算法建模与仿真

针对机载激光探测器的目标位置定位精度问题,提出了改进目标定位算法,在半自动激光末端修正弹弹道修正过程中实时获取地面目标的精确位置,根据弹丸的位置、姿态和视线角度,建立了目标定位模型。通过蒙特卡罗方法分析了不同象限仰角下弹丸位置、姿态和视线角测量误差对定位精度的影响。仿真结果表明,瞄准线角度的测量误差对定位精度影响最大,定位精度随象限仰角的增大而减小。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

Hypersonic sliding target tracking in near space

To improve the tracking accuracy of hypersonic sliding target in near space,the influence of target hypersonic movement on radar detection and tracking is analyzed,and an IMM tracking algorithm is proposed based on radial velocity compensating and cancellation processing of high dynamic biases under the earth centered earth fixed(ECEF) coordinate.Based on the analysis of effect of target hypersonic movement,a measurement model is constructed to reduce the filter divergence which is caused by the model mismatch.The high dynamic biases due to the target hypersonic movement are approximately compensated through radial velocity estimation to achieve the hypersonic target tracking at low systematic biases in near space.The high dynamic biases are further eliminated by the cancellation processing of different radars,in which the track association problem can be solved when the dynamic biases are low.An IMM algorithm based on constant acceleration(CA),constant turning(CT) and Singer models is used to achieve the hypersonic sliding target tracking in near space.Simulation results show that the target tracking in near space can be achieved more effectively by using the proposed algorithm.     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

利用二坐标R站实现运动辐射源的三维跟踪

本文提出了一种基于目标斜距两次测量值之差和方位角信息的定位跟踪算法,详细分析了该技术的定位原理和可行性。在辐射源匀速直线运动的条件下,如果能够不测俯仰角而只用方位角和距离差实现对目标的定位与跟踪,将不仅可以简化接收站的设备,而且还能够增强其独立性能,因此本文讨论的算法对于单站被动定位跟踪系统的实用性具有重要意义。本文通过典型目标航迹的计算机仿真,对算法的性能做了评估．     

海天背景下舰船可见光图像目标区域定位方法

针对行均值法用于海天背景下舰船目标区域定位可靠性不高、容易受到舰船目标大小和海天背景复杂程度影响的不足,提出一种基于图像行灰度熵的舰船目标区域定位方法。该方法在分析海天背景下舰船目标可见光图像成像特点基础上,结合信息熵理论给出了图像灰度熵及行灰度熵的概念,利用图像行灰度熵描述图像在行方向上的灰度变化程度,选用滑动区间方差搜索策略得到图像行灰度熵曲线的突变区间,从而实现舰船目标区域定位,最后通过实际图像进行了实验验证。实验结果表明,该方法能对舰船目标所在区域有效定位,其准确性及鲁棒性均优于行均值法。     

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。     

城市环境下单无人机测向定位航迹优化算法

为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

A non-myopic scheduling method of radar sensors for maneuvering target tracking and radiation control

In decades, the battlefield environment is becoming more and more complex with plenty of electronic equipments. Thus, in order to improve the survivability of radar sensors and satisfy the requirement of maneuvering target tracking with a low probability of intercept, a non-myopic scheduling is proposed to minimize the radiation cost with tracking accuracy constraint. At first, the scheduling problem is formulated as a partially observable Markov decision process (POMDP). Then the tracking accuracy and radiation cost over the future finite time horizon are predicted by the posterior carmér-rao lower bound (PCRLB) and the hidden Markov model filter, respectively. Finally, the proposed scheduling is implemented efficiently by utilizing the branch and bound (B&B) pruning algorithm. Simulation results show that the performance of maneuvering target tracking was improved by the improved interacting multiple model (IMM), and the scheduler time and maximum memory consumption were significant reduced by the present B&B pruning algorithm without losing the optimal solution.