基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

基于粒子滤波的目标跟踪抗野值算法

运用粒子滤波对目标位置进行跟踪时,测量数据的异常突变点、目标的机动转弯、粒子数量的制约和重要性密度函数的优劣都会导致估计误差较大的野值出现,这将严重影响雷达对目标的跟踪精度。现有的野值剔除方法在目标发生机动时,都存在误剔率较高的问题。针对这个问题,采用莱特准则与机动门限准则相结合的方法,提出了不确定观测点的概念,设计了一种适用于机动目标的抗野值粒子滤波算法。仿真结果表明,该方法能较好地检测和更新野值,降低跟踪误差,提高跟踪精度。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

一种改进的基于交互式模型的机动目标跟踪算法

针对传统的以匀速(CV)或匀加速(CA)运动作为目标运动模型的卡尔曼跟踪滤波器的计算量大及跟踪精度低的固有缺陷,提出了一种基于CV和CA的交互式卡尔曼滤波模型的机动目标跟踪算法,该算法能在保持直线运动跟踪精度不变的前提下,使做曲线运动的目标的跟踪精度逼近做直线运动的目标的跟踪精度。并将CV和CA模型混合起来进行仿真估计,系统仿真结果表明该算法提高了系统的跟踪精度。     

UKF算法及其在纯方位目标跟踪中的应用

为克服扩展卡尔曼滤波算法的缺陷,将UKF算法应用于纯方位目标跟踪问题中.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.对UKF算法进行了深入的研究,并给出了一个纯方位目标跟踪的算例.仿真结果表明,该算法提高了滤波的稳定性和精确性,优于一般的扩展卡尔曼滤波算法,具有广泛的应用前景.     

基于动力学模型的有源假目标鉴别方法

针对导弹防御中可能出现的有源假目标欺骗干扰,从雷达数据处理的层次上进行了真假目标鉴别研究。利用自由段有源假目标与实体目标在动力学模型上的本质差异,提出了动力学模型匹配系数的概念,推导出理想条件下的动力学模型匹配系数的解析表达式。在弹道目标跟踪的基础上设计了有源假目标鉴别算法。结合中程弹道,进行了真假目标鉴别的计算机仿真实验。实验结果表明,所提算法能有效鉴别有源假目标。     

机动目标跟踪误差CRLB计算与分析

克拉美-罗下限(CRLB)作为参数估计所能达到的最低误差限,常被用来衡量算法估计性能的优劣程度。以转弯机动为例,研究了有源(主动)和无源(被动)两种观测条件下目标跟踪CRLB计算的一般方法,并通过矩阵理论分析了目标机动可能引起的CRLB突变的原因,为机动目标跟踪的算法性能评估提供了有效手段。最后给出了仿真算例。     

超精密机床进给系统的QFT控制器的设计

超精密机床进给机构中存在的不确定因素及非线性因素对进给系统跟踪控制精度有较大影响 ,采用合适的控制器能够有效提高其跟踪控制精度。QFT是在相频平面上的一种图形化的鲁棒控制系统设计方法。本文采用QFT理论设计了鲁棒跟踪控制器 ,并应用了速度前馈和误差积分控制。仿真结果显示 ,进给系统在被控对象参数发生较大变化时仍达到了数十纳米的跟踪控制精度 ,满足了超精密加工的要求     

地面站对月球探测器的导航

针对一个从地球停泊轨道出发绕地月飞行的月球探测器 ,讨论地面站对月球探测器导航的几个问题 ,包括观测方式的选取、地面站的分布、制导点的调整、导航精度等。结果表明仅依靠局域的地面站 ,采用测距的方式 ,可以对探测器进行实时导航。研究的方法和结果可供月球探测实际工程参考     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法