基于渐消因子的双机协同机动目标定位

传统的双机协同组网目标定位模型中,滤波方法大多为交互式多模型算法。交互式多模型算法的缺陷为需要目标机动先验模型,且模型个数的选择难以同时满足工程上关于跟踪精度和算法复杂性的要求。通过引入渐消因子,实时自适应校正机动目标的状态估计偏差,有效降低了目标运动先验模型对滤波的影响,提高了系统的机动处理能力和模型的工程实用性。     

改进的邻近目标GM-PHD跟踪算法

针对目标跟踪系统在邻近目标场景下难以进行精确估计的问题,提出一种改进的邻近目标GM-PHD跟踪算法。该算法通过构建基于预测权值和速度参数的自适应门限,有效避免了杂波对算法更新步骤带来的巨大迭代负担。同时,我们充分考虑了目标邻近时量测的可能分布情况,针对目标与量测的“一对零”和“一对多”现象,提出了一种新的权重分配修正方法。结果表明,目标邻近时,改进后的算法在目标数和目标状态估计方面均优于传统算法,能够显著提高跟踪准确度。