IMM-EKF雷达与红外序贯滤波跟踪机动目标

雷达与红外数据融合能够实现信息互补,改善对目标的跟踪、识别以及提高系统的生存能力.为了解决空中目标高速机动时,单一模型的雷达/红外序贯滤波跟踪发散的问题,提出了一种基于序贯滤波和交互多模型的雷达/红外融合跟踪机动目标的方法,通过在雷达与红外序贯滤波融合中引入交互多模型来跟踪机动目标.仿真结果表明,该方法与基于最优数据压缩的雷达与红外传感器融合跟踪机动目标相比,跟踪精度明显提高,是一种雷达与红外传感器融合跟踪机动目标的有效方法.     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

基于UKF_IMM的多信源机动目标跟踪研究

针对异类传感器的非线性机动目标跟踪中,由于采样信息差异、目标强机动等原因造成的跟踪性能低或失效等问题,提出UKF_IMM跟踪算法并进行了仿真计算.该方法直接面向极坐标量测信息,计算量小,且有较强的鲁棒性.仿真结果表明:该跟踪方法能获得较高的目标跟踪精度,系统反应时间短,目标跟踪稳定、连续,有重要的工程参考价值.     

一种稳健的多传感器目标跟踪算法

研究了一种基于双波段红外和雷达传感器的自适应目标跟踪算法.利用目标多普勒信息和红外辐射信息,建立具有树形结构的红外雷达跟踪系统状态估计模型,采用平方根无迹卡尔曼滤波方法实现双波段红外传感器的初步融合,并将其作为融合节点与雷达传感器进行基于自适应交互式多模型算法的深层融合.在交互式多模型算法的基础上,研究了寻求快速准确的机动目标模型匹配方法,通过局部优化来达到最终融合结果的优化.仿真结果表明,该算法能有效提高机动目标跟踪精度,具有一定的稳健性和自适应性.     

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。     

一种基于IMM/MSPDAF的多传感器数据融合目标跟踪算法

基于交互式多模型和多传感器联合概率数据关联算法的机动目标跟踪,先用融合算法将红外和雷达的量测进行融合,然后利用融合后的数据,采用交互式多模型机动目标跟踪方法实现对机动目标的跟踪。仿真实验验证了算法具有良好的机动目标跟踪效果。     

一种多红外传感器融合算法

多红外传感器跟踪系统常常由于目标机动或传感器相对目标位置导致距离估计信息不可用.一种新的多红外传感器融合算法,采用一种改进的交互多模型滤波器,实现了对机动目标的三坐标跟踪.通过分析多红外跟踪系统的可观性,证明了系统的不可观定理;同时对算法进行了仿真实验,定理和仿真结果均表明算法有效.     

水声传感器信息处理技术

水声传感器信息融合是为潜艇、水面舰艇提供完整、准确、清晰战术态势的关键技术。结合各类声纳的特点,研究数据互联,水下被动定位与跟踪算法,纯方位系统的可观测性,跟踪坐标系的选择以及机动目标跟踪,是解决水声传感器信息处理的关键。首先对前人在这些方面的工作进行了总结和评述,然后根据现代海战的战术背景分析了水声传感器信息处理存在的一些技术难点和值得进一步研究的问题。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

用于机动目标跟踪的分布式多传感器异步融合算法

目前,随着目标机动性能的不断提高,单个传感器越来越难于对目标进行有效地跟踪.分布式多传感器网络是当前国内外研究的热点,也是解决机动目标跟踪的有效途径之一.提出了一种适用于机动目标跟踪的异步融合算法:融合中心采用交互式多模型(IMM)算法,在给定融合周期的基础上,对多传感器数据进行异步融合,得到有效跟踪航路.蒙特卡罗仿真表明,该算法可以有效地改善对机动目标的跟踪性能,可为工程应用提供有益参考.     

移动通信网络位置群体节点的挖掘方法

对移动通信网络的位置群体节点进行了优化定位和挖掘,优化移动通信网络的覆盖度和可靠度,传统的位置群体节点挖掘算法采用信息度增益控制挖掘算法,算法不能自主感知节点信息数据的变化,无法实现数据信息的实时传递和决策。提出基于位置群体节点信息融合和滤波控制的移动通信网络位置群体节点的挖掘方法。构建移动通信网络节点的分布模型和信道模型,采用多径信道均衡设计实现位置群体节点信息融合,采用自适应滤波控制方法实现对通信节点挖掘的干扰抑制。仿真结果表明,采用该方法进行通信节点挖掘,信标定位准确,信号的覆盖度较合理,实现了信道空间的合理高效利用,实现了信道均衡和干扰抑制,有效降低了通信的误比特率。     

一种基于灰色粒子滤波算法的机动AUV航深内测方法

本文提出了一种将灰色预测和小波变换与标准粒子滤波相结合的灰色粒子滤波算法（GPF）,并将其应用于机动AUV的航深内测。GPF针对机动AUV航深内测过程中由于AUV运动状态未知和测量噪声不断变化而导致的滤波失效问题,在粒子采样过程中结合了标准采样和灰色预测采样,保证了采样得到充分多的有效粒子。在计算粒子权重时,利用小波变换跟踪测量噪声统计特性的变化,提高了各粒子似然概率计算和权重分配的正确性。最后以外测法测得的高精度的机动AUV航深作为真实航深,对该GPF算法进行了实验对比验证,并与EKF和MMPF算法的结果作对比,实验结果表明了本文方法的有效性和实用性。     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

一种基于GPS和GIS技术的军用移动装备管理系统

根据我军移动装备管理现状和发展需要,提出了一种利用GPS和GIS技术的新的管理系统。该系统是一种集多目标自动跟踪定位,地图匹配显示与指挥调度等功能为一体的综合管理系统。本系统采用时分制设计思想,将GPS接收机、帧格式转换器、通讯模板和数字电台组成一个整体,构成无线通信网络并与电子地图相结合完成对移动装备的管理。     

国外潜航器水下隐蔽导航定位方法探析

针对潜航器自主惯性导航误差随时间不断增大的问题，研究了基于运载器、信标中继、海底固定基站的国外潜航器的典型导航定位方法。通过水声通信方式，运载器、信标中继站将其卫星精确定位数据发送至潜航器，或海底固定基站接收到潜航器发射唤醒信号后，量测相关信息并发至潜航器。潜航器被动接收水声通信数据，并对其进行综合处理，实现潜航器在水下隐蔽工作模式下对自身位置的实时修正，提高潜航器导航定位精度，具备较强的工程可实现性。     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

基于活动轮廓的机器人视觉伺服控制

提出了基于活动轮廓的视觉伺服控制方法。将活动轮廓和光流模型相结合用于运动物体图像的实时跟踪 ,以抽取物体图像的边缘信息 ,并以此信息控制摄像机的运动 ,达到机器人定位、跟踪等目的。该方法跟踪精度高 ,鲁棒性好 ,且满足实时跟踪的要求。实验结果表明了该方法的正确性和有效性。     

运动目标DOA自适应跟踪算法

战场区域移动通信系统中,指挥中心实时地将主波束对准作战分队来波方向,而将其他方向的来波作为干扰置零陷,不仅提高了抗干扰能力,而且还可对作战分队进行定位。这一过程是通过跟踪移动用户信号的波达角(DOA)来实现的,传统的高分辨率DOA估计算法,如MUSIC、ESPRIT等算法,无法实现自适应、实时跟踪,因为它需要对接收信号的协方差矩阵反复进行特征值分解或奇异值分解,计算量大。针对这一问题,引入基于改进的信号子空间自适应跟踪的卡尔曼(Kalman)滤波算法,该算法直接从信号子空间中提取DOA的更新,无需从协方差矩阵中提取。仿真结果表明,该算法不仅降低了运算量,而且可跟踪多用户的DOA。     

无人车用智能导航技术国际态势分析

根据无人车用智能导航技术相关的研究与综述论文、专利发表情况,对该专业技术领域进行总体分析。选取1990—2020年的数据,针对论文发表情况,主要对其发展趋势、国家/地区分布、机构分布、出版物分布、高被引论文、被引频次和研究主题进行深入分析;针对专利申请现状,主要对专利申请时间、国家/地区分布、专利权人、专利研发技术热点等进行深入分析。研究结果表明,在无人车用智能导航技术研究领域,美国和中国无论在论文还是专利的数量和质量方面,均处于世界前列。该技术领域的研究热点主要集中在导航系统、导航卫星、惯性技术、地球物理数据、自主车辆导航、自主车辆定位、激光雷达、位置数据、神经网络、目标跟踪算法、传感器、卷积神经网络、自动驾驶等方面。     

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。