引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。     

BDS导航信号抗电离层闪烁载波跟踪的自适应卡尔曼滤波算法

电离层闪烁会引起导航信号幅度和相位的快速衰落,严重影响跟踪环路的精度和稳健性,而相比频率跟踪和伪码跟踪,载波跟踪环路更易受电离层闪烁的影响而失锁。因此,提出一种基于相位锁定指示自适应扩展卡尔曼滤波的北斗导航信号抗电离层闪烁载波跟踪算法,其以同相与正交支路的积分结果估计相位锁定指示值,并采用该指示作为控制参数对不同闪烁场景下扩展卡尔曼滤波的观测向量进行自适应调整,这不仅能够提高跟踪环路的精度和稳健性,而且能够降低扩展卡尔曼滤波发散的概率。实验结果验证了相关分析和所提跟踪算法的有效性。     

基于扩展卡尔曼滤波的环路跟踪算法仿真分析

针对接收机定位动态适应性需求,分析了采用扩展卡尔曼滤波的接收机环路跟踪算法,给出了基于扩展卡尔曼滤波的接收机环路跟踪算法的数学模型,基于采集卫星信号模拟器输出的射频信号与程序生成的接收机中频信号,从动态适应性和跟踪灵敏度两个方面,仿真分析了基于标准卡尔曼滤波和基于扩展卡尔曼滤波的环路跟踪算法性能。仿真结果表明,基于扩展卡尔曼滤波的环路跟踪算法在动态环境中具有更好的跟踪性能,且能够改善跟踪灵敏度1 dB,这表明其对复杂应用场景具有更好的适应性。该分析结果能够为算法工程化提供参考和借鉴。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

一种新型杂波环境下突发机动目标跟踪算法

针对杂波环境下突发机动目标跟踪性能下降问题,提出了一种基于自适应匀加速模型的交互式自适应概率数据关联算法。该算法在交互式概率关联算法基础上,采用带渐消因子的自适应匀加速模型(ACA)与匀速模型(CV)相交互,克服了卡尔曼和扩展卡尔曼滤波的三大缺陷,保证了在突发机动下的良好跟踪性能,扩大了机动目标的跟踪范围,实现了杂波环...     

基于自适应EKF的高动态载波跟踪算法

针对载波跟踪算法在大频偏或动态剧烈变化时易失锁的问题,提出一种无数据辅助情况下基于自适应R/Q扩展卡尔曼滤波(AEKF)的高动态载波跟踪算法。该算法在AEKF代替鉴相器和滤波器的环路结构基础上,引入两倍相位转换来消除数据位跳变的影响,并利用载噪比估计方法和基于加加速度的信号动态监测方法来修正观测噪声协方差(R)和系统状态噪声方差(Q),进而兼顾环路的跟踪精度和动态稳定性。实验结果表明:利用该算法的GPS软件接收机能够在加速度200 g,瞬间加加速度10 000 g/s的动态指标下正常工作。     

基于卡尔曼滤波的跳频信号跟踪算法

相对于传统的固定载波频率信号的测控体制,使用跳频扩频信号进行测速在提高了测控系统抗干扰能力的同时带来了信号跟踪精度不高的问题。针对这一问题,文章提出一种使用卡尔曼滤波器替换传统锁频环路低通滤波器的环路结构,推导了卡尔曼滤波器跟踪算法的递推公式。仿真结果表明,经过改进之后的环路跟踪精度大大提高,系统的测速精度达到15cm/s,比未使用卡尔曼滤波时候的测速精度提高了约6倍。     

基于自适应正交单纯形CKF的鲁棒目标跟踪方法

为减小模型异常对目标跟踪系统性能的影响,提出了一种自适应正交单纯形容积卡尔曼滤波(AOSCKF)算法.将正交单纯形准则引入容积卡尔曼滤波中,提高滤波估计精度和计算稳定性;将强跟踪滤波(STF)中的自适应因子引入正交单纯形容积卡尔曼滤波(OSCKF)算法中,降低系统模型异常对目标跟踪的影响;将所提算法应用到双站纯方位目标跟踪系统中进行仿真实验.结果表明,AOSCKF算法可有效提升算法的鲁棒性和滤波精度.     

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。     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

一种改进自适应滤波算法

针对机动目标跟踪问题,在“当前”统计模型的基础上,利用实时机动加速度前二个机动加速度的变化情况与方差的关系,提出了一析的自适应滤波算法。大量仿真结果表明,这种改进的自适应滤波算法在跟踪机动目标特别是强机动目标时,具有良好的跟踪性能。     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。     

基于神经网络的修正“当前”统计模型算法

“当前”统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行较好跟踪,但存在对弱机动目标跟踪误差较大的缺陷.针对这二问题,在推导传统“当前”统计模型适用范围的基础上,对“当前”加速度的概率密度函数进行改进,得到一种修正的“当前”统计模型算法.为克服算法对加速度极限值的依赖,进一步提高跟踪精度,利用神经网络将2种参数信息融合,通过其输出对系统方差作加权调整.仿真结果表明,不论是对弱机动目标还是强机动目标,新算法较传统的算法都有较高的跟踪精度.     

基于Jerk模型的一种改进多传感器数据融合算法

简要介绍了目前存在的一些机动模型和基于状态估计的滤波算法。将Jerk模型与强跟踪滤波算法有机地结合起来,并提出了一种通过时空综合分析的测量方差自适应估计方法以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时结合多传感器数据融合具有改善滤波精度的性质,最终给出了一种基于Jerk模型的改进多传感器数据融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求且多传感器数据更新率不同步的问题,建立一种新的微惯导/毫米波/红外复合制导体制,研究了该体制下多传感器异步信息融合的时间同步和空间配准问题;提出一种自适应无迹卡尔曼滤波算法,该算法采用预测残差构造状态模型误差统计量,通过自适应因子调整状态模型信息对状态参数估值的贡献,有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证,结果表明,提出的自适应无迹卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和无迹卡尔曼滤波算法,能有效提高导弹的制导的解算精度。     

一种新的复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求，而多传感器数据更新率不同步的问题，建立一种新的微惯导/毫米波/红外复合制导体制，研究了该体制下多传感器异步信息融合的时间同步和空间配准问题；提出一种自适应Unscented卡尔曼滤波算法，该算法采用预测残差构造状态模型误差统计量，通过自适应因子调整状态模型信息对状态参数估值的贡献，有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证，结果表明，提出的自适应Unscented卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和Unscented卡尔曼滤波算法，能有效提高导弹的制导的解算精度。     

高动态环境下GPS信号跟踪算法

在GPS导航定位系统中,高动态环境下产生的多普勒频移直接影响接收机跟踪性能.为了克服多普勒频移影响,对高速飞行旋转体GPS接收机跟踪环路进行研究.根据高速飞行旋转体GPS接收机载波信号的数学模型,提出在GPS接收机跟踪环路建立包含姿态信息的载波信号卡尔曼滤波模型,并对环路的跟踪性能进行MATLAB仿真.结果表明,此算法的跟踪环路带宽窄,能有效抑制噪声干扰,较好地实现了对旋转信号的跟踪.     

基于可变增益的码跟踪环路优化设计

针对在突发直接序列扩频(DSSS)信号跟踪中,信号持续时间短,而传统延迟锁定环(DLL)存在入锁时间长的问题,提出一种可变增益码跟踪环路设计方法。介绍了DLL环路基本原理和环路结构,对环路优化进行了理论分析,最后采用可变增益设计方法,自适应的调整环路增益,达到锁定时间和跟踪精度的平衡。通过仿真分析,在相同跟踪精度上,与传统DLL环路相比,锁定时间大大缩短。     

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。