基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

融合地理信息的粒子滤波被动跟踪算法

在粒子滤波机动目标跟踪中,为避免粒子集退化现象,通常采取大量的初始粒子数,因而带来了运算量大、跟踪精度低的问题.融合目标舰可能的航线及地理位置先验信息,将约束条件加入到粒子更新迭代中,对粒子的分布和权值进行调整.通过仿真对比加入约束前后算法的跟踪性能,可以看出融合地理信息后,较好地解决了粒子滤波计算量大的难题,提高了纯方位跟踪定位的精度.     

火控雷达协同防空目标跟踪技术

针对火控雷达抗反辐射导弹的对抗要求,将雷达组网理论应用于火控雷达,提出了火控雷达协同防空目标跟踪方法.首先分析了火控雷达目标跟踪原理,同时给出了跟踪性能的评价指标;其次,为了克服单部雷达的局限性研究了组网火控雷达目标跟踪方法;而后,研究了不同的交替周期对系统的影响;最后对不同工作模式的跟踪效果进行了仿真.结果证明采用组网雷达目标跟踪方法可以同时实现对反辐射导弹载机的准确跟踪和对反辐射导弹的有效对抗.     

基于多假设跟踪弹道导弹主动段跟踪算法

针对弹道导弹主动段防御中多枚弹道导弹同时跟踪问题,提出了基于多假设思想的主动段跟踪算法.重点阐述了该算法中假设生成、假设概率计算、假设约简以及假设剪枝等环节.从工程实用的角度出发,采用求解一个线性分配问题(LAP)方法得到M个最优假设,大大减少了假设数量,并运用N-scan回溯剪枝方法对假设进行剪枝,确定要输出的航迹,提高了算法的效率和实用性.仿真实验表明,该算法能够对主动段多枚弹道导弹目标准确关联跟踪.     

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。     

杂波环境下机动目标跟踪算法研究

杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点,其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法(MMAPF)。仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在相同的情况下,具有更高的滤波精度和较好总体性能。     

基于BP网络的某型火控雷达角跟踪系统故障诊断

在介绍BP网络基本结构原理及其学习算法的基础上,结合某型火控雷达的特点,以角跟踪系统作为被诊断对象,运用BP神经网络的数学模型及学习算法对其进行故障诊断。诊断结果表明BP网络能够准确地诊断出样本的故障,提高了某型火控雷达角跟踪系统的一线维修效率,为提高火控雷达故障诊断效率提供了一种新的途径。     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

基于CPN的TDRS操作规划建模与仿真

以中继卫星(Racking and Data Relay Satellite,TDRS)为研究对象,以有色Petri网(Colored Petri Net,CPN)为数学工具,根据自顶向下的原则和层次化建模思想,提出一种基于CPN的TDRS操作规划模型,该模型分为顶层模型、控制模型、前向链路数据接收任务与发送任务的操作规划模型和返向链路数据接收任务与发送任务的操作规划模型,有效地描述了TDRS的动态行为特性。最后,通过仿真实验得到了TDRS操作规划方案,验证了所建模型的有效性。与PDDL模型比较分析表明:所建模型可以有效引入TDRS的领域知识,能够有效提高求解效率。所建模型可以为TDRS操作规划方案的制定提供理论参考。     

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。