基于属性信息融合的概率多假设跟踪算法

通过引入辅助的属性信息与属性数据来弥补目标跟踪信息量的缺失,提出了一种适用于目标近距离环境下的基于属性信息Homothetic-PMHT目标跟踪算法。该算法将传感器获得的目标属性信息与目标状态信息之间的关联以概率的形式给出,从而实现了运动状态信息、属性信息联合应用。仿真结果表明,所提算法在航迹关联成功率上与Homothetic-PMHT算法相比有明显的提升,同时在跟踪精度上也有所提高,证明该算法是有效的。     

一种新的杂波环境下的多目标跟踪算法研究

杂波中的多目标的跟踪研究面临许多挑战.目标轨迹受多种动作制约,而且杂波通常是实质的非同质杂波.在多目标状态下,量测任务的计算量可能随航迹数和量测数呈指数增长,LMIPDA-IMM算法解决了这一问题.IMM算法可用来跟踪机动目标,LMIPDA算法计算目标存在概率,能够进行错误航迹的识别,从而航迹可自动起始和终结.LMIPDA提供了线性运算的航迹数和量测数多目标数据关联,仿真结果表明该算法在很强的非同质杂波中是很有效的.     

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.     

一种地对空攻击武器的追及与跟踪方法

针对一种地对空武器在接到雷达跟踪指令时,由战斗准备状态追及目标、跟踪目标,直至跟踪射程区域外,或由雷达重新下达指令进入战斗准备状态的轨迹规划方法.轨迹规划中不仅考虑了系统最大速度的限制,同时还考虑了武器系统抗最大加速度的指标要求,在约束条件下规划追及过程,实现最优规划的计算方法.主要介绍了模糊追及和跟踪的计算规划方法,具有一定的实际意义.     

用于机动目标跟踪的联合IMM Viterbi数据关联算法

针对低检测概率、重杂波环境下的机动目标跟踪问题,提出一种联合交互式多模型Viterbi数据关联(C-IMM-VDA)机动目标跟踪算法.该算法利用各模式下的滤波器的量测预测、量测预测协方差及模式概率构造一个统一的综合波门,排除不可能的路径转移,减少到达一个目的节点的源节点的个数.机动目标仿真结果表明,与IMM-VDA(交互式多模型Viterbi数据关联)算法相比,C-IMM-VDA算法在大大减小计算量的同时,降低了航迹失跟率,提高了航迹平均跟踪精度.     

基于输入特性分析的光电跟踪内模控制设计

内模控制是一种基于对象教学模型进行控制器设计的新型控制策略,其设计思路是将对象模型与实际对象相并联,控制器逼近模型的动态逆.根据内模控制原理及光电跟踪系统参考输入及扰动输入特性,设计了一种新型位置控制器.并分析了IMC跟踪控制器的零稳念偏差及抗干扰性能.从仿真结果看,与常规PID控制相比,内模控制器参数调整简单、跟踪性能良好.特别是在针对目标突然机动的情况下.IMC控制器具有良好的稳态误差重构能力,即能迅速收敛到稳态误差.根据仿真结果数据统计,系统跟踪误差的均方根可减小到0.5 tarad,表明该控制器能够提高系统的跟踪精度,为高性能光电跟踪系统提供了一种新的控制策略.     

Linux下某型制导弹目标跟踪并行算法

针对某型电视制导弹的图像特点,在Linux平台上设计了一种并行算法用于完成目标跟踪.算法思想:将制导弹的目标跟踪任务划分为图像采集、纠旋、显示和目标跟踪,程序中创建两个线程用于完成该任务;其中线程1完成图像采集、纠旋和显示;线程2完成目标跟踪.实验表明该算法实现了Linux环境下图像的实时采集、纠旋、显示和目标跟踪,与Windows下的目标跟踪算法相比,该算法有效的节省了资源.     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

雷达跟踪空中机动目标的有向图切换算法

空中机动目标机动能力的增强,使得建立的目标模型与目标的实际运动失配。为了解决这一问题,需要建立大量模型来逼近真实模式。但这使得计算量大幅度增加,而且有时性能不一定能提高。本文提出的有向图切换算法根据一定的规则在不同的有向图之间切换,既避免了使用过多的模型造成的不必要竞争,又使使用的模型集合更加逼近真实模式。     

单机动目标跟踪建模的新探索

建模是机动目标跟踪领域需要研究的一个重要理论课题之一。根据指挥自动化系统的特点,本文提出了一种新的更符合指挥自动化系统战术要求的圆弧机动模型——非线性机动中心坐标系模型(Nonlinear Maneuver-Centered Coordinates Model—NMCCM),与坐标旋转模型(Coordinated Turn Model-CTM)[4] 和J. A.Roecker的机动中心坐标系模型(Maneuver-Centered Coordinates Model—MCCM)[2]相比,这种新的模型不仅能以较高精度估计出目标的位置、速度和航向,而且能估计出目标圆弧机动的中心和半径,为指挥、辅助决策和实时拦截引导提供更多的参考数据。