基于双站红外跟踪临近空间目标研究

临近空间目标飞行器的高速、高机动特性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。为了更好地满足机动式弹道滤波的需要,通过双站红外跟踪方法与卡尔曼滤波算法相结合,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。     

基于最优探测的移动代理WSN目标跟踪算法

针对典型声学传感器构成的WSN(Wireless Sensor Network,无线传感器网络),提出了一种基于最优探测的移动代理WSN目标跟踪算法,通过移动代理采集当前时刻最优探测结果的节点数据集合,利用三边定位法对目标位置进行估计,根据卡尔曼滤波估计目标下一时刻位置和节点剩余能量条件,确定移动代理后续迁移节点。仿真结果表明提出的算法能够有效对WSN中目标进行跟踪,且误差较小。     

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.     

多传感器定位误差对跟踪性能影响的研究

集中讨论了带有传感器定位误差的多传感器跟踪问题中的滤波方法 ,设计了两个基于一个非线性飞机等效机动模型的扩展卡尔曼滤波器 (EKFs) :最优 EKF(OF)和次优 EKF(SF) ,并应用于带有定位误差的多传感器跟踪问题中。 Monte-Garlo模拟结果表明定位误差对飞机的位置估计影响较大 ,但不影响速度或加速度估计 ;同时说明 OF的性能明显优于 SF。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

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。     

针对不同视场辅助信标的无人机目标定位方法

针对无人机在单站测角测距的目标定位过程中受无人机姿态角误差影响较大的问题,提出一种对辅助信标进行探测并与惯性传感器相结合的无人机姿态求解方法。建立基于容积卡尔曼滤波的惯性传感器姿态求解模型,采用梯度下降法对基于辅助信标的无人机位姿参数进行求解,并综合它们的结果对无人机的姿态偏差进行估计和校正,最后完成了不同视场条件下的目标定位和仿真计算。结果表明,所提方法对无人机目标定位精度有明显提高。     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

基于简化的充分统计量(RSS)的红外图象跟踪算法

本文论述了用红外图象序列跟踪目标的问题。证明库尔哈维开发的贝叶斯闭环估计算法很适于红外跟踪问题。红外焦平面阵列上的辐射强度模式适于用RSS的闭环表达式,在库尔哈维的算法中就是用这种方法对真正后验密度进行近似估计的。由RSS新建的公式可以导出对目标状态的估计。为了比较,使用以前开发的基于广义卡尔曼滤波器(EKF)的红外跟踪算法和基于RSS的新方法,借助红外图象序列跟踪目标。已证明,在EKF发散的高速情况中,RSS算法仍保持跟踪。     

纯角度信息的舰载无人机目标运动分析算法

为解决依据舰载无人机观测数据对目标进行定位跟踪的问题,提出了基于纯角度信息对目标进行目标运动分析的算法。根据目标运动特性,建立算法运动模型,构建等式,对其可观测性进行分析,并且利用最小二乘法,对目标运动要素解算,通过算法分析和算例仿真表明:该算法可通过舰载无人机对目标的角度测量信息,对陆上、海上运动目标进行运动要素求解,精度满足舰载无人机对目标的定位跟踪要求。     

多传感器多目标定位与跟踪技术研究

针对炮兵打击目标的特性和获取目标信息所采用的侦察设施 ,研究了多传感器多目标定位和跟踪问题。在闭圆和聚类概念的基础上 ,提出了一种多传感器多目标融合算法 ,并给出了状态估计的最优解。仿真结果证明了这种算法的有效性。这一模型的物理实现正在进一步研究之中。     

基于UKPF的雷达与红外传感器融合跟踪算法

针对异类传感器融合跟踪中状态估计与量测的非线性问题,分析了粒子滤波器在解决非线性和非高斯问题的优势,提出了一种基于unscented Kalman粒子滤波器(UKPF)的雷达与红外传感器融合跟踪算法,给出了算法的详细步骤.然后将该算法用于三维空间的目标跟踪上,仿真结果表明该算法比现有算法具有更高的跟踪精度.     

一种改进机动目标跟踪算法跟踪精度分析

＂当前＂统计模型在一定程度上解决了机动目标跟踪问题,但是其加速度均值估计并不是最优估计,本文改进了＂当前＂统计模型的加速度估计方法。分析了机动加速度方差对跟踪精度的影响,同时进行了仿真验证.。仿真结果表明,改进预测算法的＂当前＂统计模型对高速机动目标的跟踪具有一定的优势.     

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.     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

基于多智能体的传感器网络协同目标跟踪技术研究

针对传感器网络中的协同目标跟踪问题,分析了基于多智能体理论的分布式协同策略,提出了一种基于动态联盟的传感器网络协同目标跟踪框架,分析了系统中的智能体构成,提出了联盟中基于贝叶斯估计的Manage Agent的数据融合算法,讨论了Manage Agent的选举算法。理论分析表明,多智能体理论能够较好地适用于传感器网络的协同目标跟踪问题。     

一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

基于对比度最优的VCO调频非线性误差估计与校正方法

针对VCO调频非线性误差的准确估计与校正问题,提出一种以一维距离像对比度最优为准则的自适应估计与校正方法。本方法建立引入温度变量的VCO频率特性模型,并据此估计出某一温度值对应的调频非线性误差,在对中频回波进行误差补偿和一维脉压后,以一维距离像的对比度最优作为迭代收敛准则,实现调频非线性误差的最优估计与校正。仿真和实测数据结果表明,该方法充分考虑了温度因素对VCO输出频率的影响,能够在不增加硬件复杂度的前提下,通过算法实现对调频非线性误差的估计、跟踪与补偿。与传统基于硬件电路进行估计或校正的方法相比,新方法无需由硬件组成闭环估计通道,且具有实时性强、运算量小、补偿精度高的优点,对于克服实际工程应用中VCO器件的参数漂移问题具有重要指导意义。     

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.     

基于随机有限集理论的多传感器目标联合检测跟踪算法

针对杂波环境中的目标检测跟踪问题,提出一种基于随机有限集理论的多传感器目标联合检测跟踪算法。算法将目标状态和量测描述为随机集合,建立考虑目标出现、目标保持、目标消失等情况的目标状态随机有限集模型,以及考虑漏检和虚警的多传感器量测随机有限集模型。将目标的联合检测跟踪问题构建为目标状态集合的贝叶斯最优估计问题,并基于随机有限集理论对该贝叶斯估计算法的递推表达式进行严格理论推导。采用序贯蒙特卡罗技术实现算法的递推滤波。仿真结果验证了该算法的有效性以及算法相对于传统基于数据关联算法的性能优势。