基于修正转弯模型的交互多模型跟踪算法

临近空间高超声速飞行器具有极快的飞行速度和独特的机动模式,传统单模型跟踪方法不能对此类目标进行有效跟踪。提出了基于修正转弯模型的交互多模型跟踪算法,该算法修正了转弯模型,利用当前统计模型思想对目标角速度进行实时估计。首先分析了临近空间高超声速目标的特性,然后根据目标运动方程,对目标角速度进行实时估计,最后通过交互多模型实现对临近空间高超声速目标的跟踪。蒙特卡罗仿真结果表明,IMM跟踪算法能够有效跟踪临近空间高超声速目标,且跟踪的精确度、稳定性等明显优于单模型。     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

临近空间高超声速机动目标跟踪的IMM-QB算法

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

临近空间高超声速机动目标跟踪的IMM-QB算法北大核心

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

基于模糊交互式多模型算法跟踪临近空间目标

由于临近空间高超声速飞行器采用非弹道式机动飞行方式,飞行速度、高度、加速度不断变化,目标机动具有长周期机动特点,而且临近空间目标飞行速度快,具有较高的升阻比,且在大气层内长时间飞行,其运动轨迹往往呈现出"跳跃"特征,给地面防御系统对其定位和跟踪带来了巨大的困难,传统的滤波算法无法给出精确的目标状态估计,跟踪性能变差。为了更好满足非机动式弹道滤波的需要,通过模糊逻辑算法与交互式多模型算法相结合,形成模糊交互式多模型算法,实现对临近空间目标飞行器跟踪,并保证了定位跟踪精度在允许范围之内。Matlab仿真结果验证了算法的有效性。     

高超声速飞行器新息滤波交互式多模型跟踪算法

研究临近空间高超声速飞行器在运动特点,针对强杂波环境下高速、高机动目标跟踪问题,提出用新息滤波减小观测噪声以修正模型概率更新过程的算法。Monte-Carlo仿真结果表明:该算法可以有效减小量测噪声对系统滤波的影响,提高滤波精度,在临近空间强杂波环境下具有较好的跟踪精度,具有一定工程实用价值。     

临近空间目标交互式多模型跟踪定位算法研究

针对临近空间目标,进行了深入研究,根据临近空间目标状态方程的特点,分析了目标跟踪中常用的卡尔曼滤波和粒子滤波算法的优缺点,并将这2种滤波与交互式多模型算法相结合,提出了交互式多模型-卡尔曼滤波算法和交互式多模型-粒子滤波算法,并通过CV,CA和CT 3种动力学模型进行仿真分析。仿真结果表明,采用这2种算法能够满足跟踪临近空间目标的要求,具有一定的工程实用价值。     

临近空间目标跟踪与预报技术研究

目前临近空间高超声速飞行器发展迅速,临近空间目标跟踪与预报已引起广泛关注。论述了临近空间高超声速飞行器跟踪与预报技术,包括临近空间高超声速机动目标模型、多模型滤波器设计方法、临近空间高超声速机动目标轨迹预报方法等,并提出现有方法存在的主要问题及后续主要研究方向。     

临近空间高超声速目标跟踪方法研究?

临近空间高超声速目标跟踪技术研究在空天防御系统中具有重要军事意义和理论价值。本文综述了临近空间高超声速目标跟踪中的目标运动建模、目标跟踪算法等研究内容的研究进展，并对其存在的问题进行了深入分析。针对这类目标跟踪存在的问题，结合临近空间高超声速目标探测跟踪需求，指出了临近空间高超声速目标跟踪技术的研究思路，为相关研究提供了参考。     

临近空间高超声速目标跟踪制导雷达搜索空域确定模型

针对临近空间高超声速目标跟踪制导雷达的搜索空域划分问题,提出了基于修正球坐标系的搜索空域模型确定方法.在给出预警引导信息在修正球坐标系下的描述形式基础上,建立了静态搜索空域确定模型,并利用目标的速度引导信息,对搜索空域的动态匹配模型进行研究.仿真结果表明,该方法实现了目标高超声速运动条件下,跟踪制导雷达对临近空间高超声速目标的连续高概率覆盖,相应提高了雷达的搜索性能.     

交互多模自适应容积Kalman滤波算法设计及履带车辆跟踪应用

为满足履带车辆作为机动目标的实时跟踪和对目标速度、航向角的准确估计,针对测量值含有相关乘性噪声,采用新息分析法依据噪声相关系数已知和未知改进容积Kalman滤波算法。考虑到单模型滤波器难以准确地实现机动目标的跟踪,采用交互式多模型算法对履带车辆运动轨迹进行描述,提出一种交互式多模自适应容积Kalman滤波算法。仿真表明交互式多模型自适应容积Kalman滤波算法对车辆机动具有稳定的跟踪效果且乘性噪声得到有效处理。     

地基雷达探测临近空间高超声速目标优化部署方法

为提高地基雷达对临近空间高超声速目标的探测能力,探讨了一种实用高效的地基雷达优化部署方法,对地基雷达探测临近空间高超声速目标的难点和数学模型进行了分析,提出了地基雷达探测临近空间高超声速目标的部署原则和量化指标,建立了地基雷达优化部署模型,并进行了信息素引导性控制的蚁群算法设计。仿真结果表明,该方法可实现多种程式地基雷达的优化部署,提高了地基雷达优化部署效率和可操作性,为地基雷达探测临近空间高超声速目标的优化部署提供了一种新思路。     

CS模型下IMM-PF算法在机动目标跟踪中的应用

为了解决机动目标定位跟踪问题,提出了一种基于CS(current statistical)模型的交互式多模型粒子滤波算法.在交互式多模型粒子滤波算法的基础上,计算CS模型的概率,自适应地调整CS模型中的目标加速度,反映出了目标的机动特性,充分发挥2种算法的优点,改善了CS模型的加速度不能自适应调整的缺点,提高了CS模型的自适应性和应用范围.另外,CS模型的自适应滤波方法由Kalman滤波改为粒子滤波.通过Monte Carlo对比仿真试验表明了该算法的可行性和优越性.     

交互式多模型粒子滤波算法综述

指出了交互式多模型方法和粒子滤波结合时存在的主要问题,围绕该问题,重点对国内外关于交互式多模型粒子滤波算法的相关研究成果进行整理和归纳,给出了典型的交互式多模型粒子滤波算法,综述了目前交互式多模型粒子滤波的应用情况,并指出了几个有价值研究方向。     

临近空间非弹道式机动模式与跟踪滤波问题

由于美国近些年来在临近空间高超声速飞行器领域给世界各国带来了巨大的安全威胁,它的高速和机动特性给地面防御系统带来了巨大的困难,引起了其他国家的广泛关注。在该领域的关键技术中,非弹道式机动跟踪滤波问题是尚未攻破的技术瓶颈。介绍了临近空间目标3种典型的非弹道式机动模式,并且从不同机动模式跟踪滤波方法、机动模式未知情况下的跟踪滤波方法、多种机动模式组合的跟踪滤波方法 3个方面进行了探讨,最后针对非弹道式跟踪滤波问题及应对措施进行了阐述。     

改进的强跟踪容积卡尔曼滤波的机动目标跟踪

机动目标的跟踪在实际中有着广泛的应用,其核心问题是机动建模和滤波算法。采用当前统计模型和容积卡尔曼滤波对机动目标进行跟踪。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程,提出了一种改进的强跟踪容积卡尔曼滤波算法,该算法实现简单,估计精度高,鲁棒性强。仿真结果表明,该算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持了对弱机动和非机动目标良好的跟踪性能,且运算速度较快。     

改进的强跟踪容积卡尔曼滤波的机动目标跟踪北大核心

机动目标的跟踪在实际中有着广泛的应用,其核心问题是机动建模和滤波算法。采用当前统计模型和容积卡尔曼滤波对机动目标进行跟踪。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程,提出了一种改进的强跟踪容积卡尔曼滤波算法,该算法实现简单,估计精度高,鲁棒性强。仿真结果表明,该算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持了对弱机动和非机动目标良好的跟踪性能,且运算速度较快。     

基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

一种高超声速飞行器在线反馈滤波算法

高超声速飞行器是近年来各国大力发展的新概念飞行器,针对其飞行运动轨迹难以进行高精度跟踪这一问题,结合神经网络强大的自适应和自学习能力,提出了一种高超声速飞行器在线反馈滤波算法。其核心是在当前统计模型的基础上,利用BP神经网络与卡尔曼滤波相结合进行滤波器设计,实现对高超声速飞行器高精度跟踪。最后通过仿真试验进行比较,验证了此在线反馈滤波算法在跟踪高超声速飞行器时的有效性。     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。