机动平台对多目标的角跟踪

文章通过建立天线坐标系下的统一模型，采用标准卡尔曼滤波算法，在仅具备测角能力的高机动平台上实现了对多目标的角跟踪。通过仿真分析验证了本方法和模型的可用性。     

多目标跟踪的一种联合解决方法

本文提出一种新的解决多目标跟踪（ＭＴＴ）问题的方法,该问题通过一总的模型利用系统识别技术可同时解决数据关联（ＤＡ）和机动估计问题。用这种方法,以前所研究的单目标跟踪／加速度估计技术也可直接用于ＭＴＴ问题,尤其是通过问题的公式化,就可将多模（自适应）卡尔曼滤波（ＭＭＫＦ）效应用于多目标跟踪问题使之获得最佳解。对于大家关心的计算量考虑可应用多模卡尔曼滤波（ＭＭＫＦ）的某些准最佳解。     

一种无人机微弱扩频信号角跟踪方法

传统的无人机测控信号容易被干扰和截获。在现有无人机测控系统的基础上,给出了一种无人机微弱扩频信号的单通道单脉冲跟踪系统的实现方法,同时突破了扩频信号并行快捕和误差电压的高精度相关解调等难题。该方法可以充分利用现有测控信道而无需额外增加设备量,具有跟踪系统灵敏度高、跟踪精度高、算法简单和设备简单等特点,特别适合于对无人机的隐蔽高精度测角跟踪。     

基于遗传算法的多传感器多目标静态数据关联

提出利用遗传算法解决在传感器存在漏检,检测空域中目标个数未知情况下,单平台多传感器融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

基于多假设的多平台多目标数据关联方法

本文研究了一种面向航迹的多平台多假设数据关联算法，包括航迹树的构建、航迹得分计算、序列概率比检验、假设生成以及分支航迹剪枝等，在此基础上针对实装环境下点迹量大、虚假目标多的问题对算法进行了改进优化，并进行了仿真验证。     

一种双通道角跟踪的快速校相方法

介绍了单脉冲双通道角跟踪接收机中一种不用寻找自跟零点的校相方法,阐述了该方法的原理,并与普通校相方法进行了对比,给出了这种方法的优点。     

一种改进的联合交互式多模型概率数据关联算法

在多目标跟踪领域,由于概率数据关联（PDA）算法对关联门相交区域内公共回波的处理过于简单,因而在目标密集或交叉环境中关联性能差。考虑公共回波对航迹更新的影响对PDA算法进行改进,并将改进的PDA算法和交互式多模型（IMM）算法结合提出了一种改进的联合交互式多模型概率数据关联（Ic．IMMPDA）算法,并在Matlab环...     

一种基于模糊推理的JPDAF新方法

多目标跟踪中的数据关联一直是信息融合领域的难点和热点问题,针对杂波环境下多目标跟踪中的数据关联问题,提出了一种基于模糊推理的JPDAF新方法。该方法中,首先详细分析了杂波环境多目标观测数据的特点,定义了多目标环境下的标准化新息变量及新息的一阶微分变量;然后将其作为模糊推理的两个输入变量,通过设计合适的模糊隶属度函数和模糊推理规则,自适应计算目标观测的关联概率来代替传统联合概率数据关联滤波器（JPDAF）中的关联概率,实现对多个目标的有效跟踪。实验结果表明,提出方法的目标跟踪性能要好于传统的JPDAF和Fitzgerald’s方法,在实时性方面,提出方法也要远好于传统的JPDAF方法,接近Fitzgerald’s方法,能够有效对多目标进行关联跟踪。      

一种新的多目标角度功率联合跟踪算法

提出了一种新的多目标角度、功率联合跟踪算法。首先,利用高分辨处理估计出目标的个数、初始角度、初始功率及噪声功率。接着,通过相邻时刻估计得到的协方差矩阵的差推导出了一组关于角度差和功率差的线性方程组,重复解方程组可以得到不同时刻各个目标的角度以及功率。该算法可以减小阵元噪声带来的影响,在跟踪过程中,不需要进行子空间分解,参数自动配对,而且相邻时刻估计得到的角度和功率之间是自动关联的,省去了运算量较大的数据关联过程。进一步,给出了一种修正方法减小了算法中三个近似带来的误差。仿真结果表明,该算法的运算量低,跟踪精度高。     

基于特征点的多运动目标跟踪

该文针对智能监控的需求,提出基于特征的多运动目标跟踪算法。通过自适应Marr小波核函数背景建模算法,在冗余离散小波域进行多运动目标识别。运动跟踪采用SIFT特征粒子滤波算法,并采用队列链表法记录多运动目标之间的数据关联,在提高识别准确率的同时降低了运算的复杂度。实际测试表明,该算法对于多运动目标识别跟踪具有更优越的实时性和抗遮挡性,在智能监控领域具有较广泛的应用前景。     

多扩展目标跟踪中基于多特征优化的传感器控制方法

针对多扩展目标的优化跟踪问题,该文在有限集统计(FISST)理论框架下,提出一种能够综合优化多扩展目标跟踪性能的传感器控制方法。首先,该文给出加权广义最优子模式分配(WGOSPA)距离构造多扩展目标跟踪多特征估计在其统计平均周围的广义离差,进而研究提出多特征融合下的传感器控制最优决策方法,并利用序贯蒙特卡罗(SMC)技术研究传感器控制最优决策过程的数值求解方法,然后利用伽马高斯逆威沙特多伯努利(GGIW-MBer)滤波器实现所提出的传感器控制策略。最后通过仿真实验验证了所提算法的有效性。     

最小范数准则在多目标DOA跟踪中的应用

该文分析了协方差矩阵的内部结构,得到了一种具有较低运算量的基于范数最小准则的多目标DOA跟踪算法.进一步,在其基础上通过解一组线性方程组得到了不同时间段各个目标的回波功率.此算法适用于各个目标的回波功率随时间变化的情况,可以对各个目标的DOA和功率进行联合跟踪.仿真结果表明该算法具有较高的跟踪性能.     

地面多目标跟踪滤波技术

介绍了地面运动目标的跟踪滤波算法。计算机仿真及真实雷达环境的多目标跟踪表明,采用本文提出的多目标跟踪处理算法进行地面目标的跟踪,跟踪精度和实时性都能满足要求,该方法是有效和可行的。     

多目标跟踪关联中的多特征数据融合方法

本文讨论了利用传感器获取的有关目标的多特征数据来实现多目标关联跟踪的方法。通过品质函数的概念定义一种关联测度,并且阐明这一测度是常规关联决策的推广。关联测度可以取０到１之间的任何实数值来表示相关程度。考虑到实际情况下某些特征数据可能不易持续获得,引入了有效因子来处理特征数据缺损的情况。本文采用了计算机仿真实验对比的方法研究了多特征数据关联跟踪的效果。     

角闪烁下基于变分贝叶斯-交互式多模型的目标跟踪

开展角闪烁噪声下的目标跟踪研究对提升传感器的探测性能具有重要意义,其中角闪烁噪声具有的分布未知和非平稳特性是长期困扰研究者的难点。针对该问题,该文首先给出角闪烁下基于变分贝叶斯参数学习的跟踪滤波理论框架。其次,提出一种联合估计运动状态和闪烁噪声分布的变分贝叶斯-交互式多模型(VB-IMM)算法,该算法通过设计多个并行的跟踪模型处理角闪烁的跟踪问题,同时利用变分贝叶斯方法实现闪烁噪声分布参数的在线学习,并反馈给跟踪模型,实时调整跟踪模型参数。最后,设计了仿真实验对算法在闪烁噪声分布未知和非平稳条件下的跟踪性能进行了验证,同时对算法的计算复杂度进行了仿真分析。仿真结果表明,在量测噪声分布未知和非平稳条件下,VB-IMM具有较高的跟踪精度,且算法复杂度较小,易于实现。     

基于LGJMS-GMPHDF的多机动目标联合检测、跟踪与分类算法

线性高斯跳变马尔可夫系统模型下的高斯混合概率假设密度滤波器(LGJMS-GMPHDF)为杂波背景下多机动目标跟踪提供了一种有效方法。该文将类别辅助信息引入LGJMS-GMPHDF,提出了一种密集杂波背景下多机动目标联合检测、跟踪与分类算法。该算法在LGJMS-GMPHDF中用属性向量扩展单目标状态向量,用位置和属性的组合测量似然函数代替单目标位置及杂波位置测量似然函数,提高了不同类目标与杂波测量间的鉴别能力,进而改善了目标数目及状态的估计精度;在更新目标状态的同时,对目标属性信息进行更新。该算法实现了时变数目的目标状态和类别估计。杂波背景下交叉和临近并行机动目标的跟踪实验验证了该文算法的联合检测、跟踪与分类性能。     

雷达目标角度跟踪环路滤波器设计新方法

角度跟踪环路在机载雷达对目标的距离、速度、角度3维联合跟踪中起着至关重要的作用。该文分析指出传统采用卡尔曼滤波算法形成角度跟踪环路对机动目标角度进行跟踪时跟踪精度低,角跟踪误差收敛速度慢的缺点,提出弯曲度检测跟踪环路滤波器(Bend Degree Tracking Loop Filter, BDTLF)设计方法,其利用弯曲度检测角度曲线拐点,自适应地调节环路滤波器环路等效噪声带宽,并以此来控制角度跟踪环路。此算法加快了角跟踪误差的收敛速度,减轻了拐点处的角度滤波扰动,保持了滤波性能的连续性。计算机仿真结果验证了该文方法相比于卡尔曼滤波算法、粒子滤波算法、-- 滤波算法及恒定系数环路滤波器方法,对弱机动目标角度跟踪具有更加出色的性能。     

基于数据关联快速算法的目标跟踪与仿真研究

针对利用传感器对密集目标进行跟踪中联合概率数据关联(JPDA)计算量大,出现计算组合爆炸而导致效率低下的问题,简要介绍了数据关联快速算法(FAFDA),建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型并进行了模拟战场实际目标的仿真试验,仿真结果表明该算法能很好的跟踪目标,其跟踪精度符合实际要求,计算量明显减小,提高了跟踪实时性.