修正的马尔科夫转移矩阵自适应IMM算法

机动目标跟踪算法中,交互式多模型(IMM)算法是一种相当有效的方法.但该算法中存在Markov矩阵据先验知识给定且不变的问题.针对此问题,提出一种Markov矩阵自适应的IMM算法.该算法利用后验信息实时修正Markov矩阵,改善了位置和速度的滤波结果,使IMM算法的模型概率变化更加符合目标真实运动.经仿真验证,提出的算法具有更好的跟踪性能.     

改进的多目标GM-PHD分量融合算法

密集杂波的平行多目标跟踪场景中,高斯混合概率假设密度滤波器的计算代价随着分量的增多而不断变大,且其目标状态估计精度较低.为了解决这些问题,基于高斯混合概率假设密度滤波框架,提出一种改进的目标分量融合算法.通过目标分量的权重、均值及协方差的充分协作,该算法能够极大程度地融合目标强度中的相似分量,同时能够有效地避免真实目标分量被错误融合.仿真结果表明,密集杂波环境下该算法不仅具有较高的目标状态估计精度,而且其计算代价相对较低.     

多因素观测来源不确定的多目标跟踪算法

杂波、低检测概率和目标间观测相互干扰等因素,使得目标观测的来源难以辨别,提出一种基于改进GMPHD滤波的多目标跟踪算法,通过引入目标标记和权重向量,增广了标准GMPHD迭代中目标信息.基于高斯分量合并策略、目标状态估计策略和高斯分量优化策略,能够有效地改善目标状态估计精度和滤波迭代效率.目标跟踪仿真实验结果表明了所提算法的有效性及鲁棒性.     

考虑地球曲率的三维目标APBR跟踪算法

针对机载被动双基站雷达(Airborne Passive Bistatic Radar,APBR)三维目标跟踪问题,提出一种杂波环境下考虑地球曲率的航迹起始与目标跟踪算法.在地心地固坐标系中建立包含地球曲率的目标运动模型和测量模型.利用多帧测量构建对数似然比函数,并通过遗传算法求解最优值,获得目标的三维状态初值.最后,利用概率数据关联结合扩展卡尔曼算法对杂波环境下的目标进行状态估计.仿真结果表明,所提方法比不考虑地球曲率的方法能获得更好的估计性能.     

临近空间高超声速目标跟踪制导雷达搜索空域确定模型

针对临近空间高超声速目标跟踪制导雷达的搜索空域划分问题,提出了基于修正球坐标系的搜索空域模型确定方法.在给出预警引导信息在修正球坐标系下的描述形式基础上,建立了静态搜索空域确定模型,并利用目标的速度引导信息,对搜索空域的动态匹配模型进行研究.仿真结果表明,该方法实现了目标高超声速运动条件下,跟踪制导雷达对临近空间高超声速目标的连续高概率覆盖,相应提高了雷达的搜索性能.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.     

基于神经网络的椭圆扩展目标形态估计

针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题,提出了一种基于神经网络的形态估计方法。利用神经网络对目标量测进行处理,估计出椭圆扩展目标的轴长,然后结合卡尔曼滤波算法实现目标的跟踪。仿真实验结果表明,通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比,所提算法的跟踪性能有显著改进。     

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。     

无人值守边防高点监控系统的设计与实现

针对边境安全监控系统无人化、智能化的迫切需求,设计了一种适用于基础设施薄弱区域的无人值守边防高点监控系统。介绍了系统组成和分系统设计,给出工程实现的关键技术,提出了雷达光电单站协同探测跟踪技术及不完全量测条件下的多目标跟踪算法。原型系统的实现和演示验证试验证明了系统设计的科学性和合理性,实现了高点监控的技战术指标及无人值守功能。     

国外反无人机蜂群作战研究

无人机蜂群作战正朝着智能化、实战化迅猛发展,将在未来战场上造成巨大威胁,反无人机蜂群作战研究势在必行。针对无人机蜂群发展历史、研究进展、实战运用情况进行分析;并从探测跟踪、硬毁伤、软杀伤手段三方面梳理国外反无人机蜂群作战研究现状,其中,硬毁伤手段包括通过常规武器、定向能武器和武装格斗无人机对抗打击,软杀伤手段包括电子干扰、欺骗控制。最后,提出反无人机蜂群作战的未来发展趋势：无缝全面探测预警和高效智能决策部署;常规新型武器协同,软杀伤硬毁伤结合;多维智能体系作战,标准制定刻不容缓。