基于一种改进IMMJPDA算法的地面目标跟踪

对地面多目标的跟踪,由于地面目标的高机动性、杂波密集特点以及运动不确定性,交互式多模型联合概率数据关联无疑是一种好的跟踪算法,但是该算法需对与可行联合事件相对应的矩阵进行拆分,随着目标个数的增多,计算量会呈指数增长。为此提出一种基于模糊多门限的交互式多模型联合概率数据关联算法,该算法利用量测与目标的关联概率来替代可行联合事件概率的计算。Monte Carlo仿真结果显示了该算法在现实运动中的可行性和方便性。该算法减少了计算量,又改善性能,利用多模型特点解决了地面目标的高机动性所带来的运动模型匹配问题。     

一种实现机动目标跟踪的STF动态模型PDA算法

本文提出了一种基于强跟踪滤波器(STF)的模型结构动态调整的概率数据关联算法(STF-PDA).该算法提高了概率数据关联(PDA)算法的性能.在跟踪目标,尤其是在跟踪机动目标的性能上,理论分析表明该算法比基于KF或EKF的PDA方法优越.且与基于KF和EKF的PDA算法进行了实验结果比较,结果表明,本文提出的算法更为有效.     

一种HRRP特征辅助的多目标JPDA算法

针对强杂波环境下,联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法的计算复杂度不能满足复杂电磁环境下数据关联的实时性要求,本文提出了一种基于高分辨一维距离像（High Resolution one-dimensional Range Profile, HRRP）特征辅助的JPDA算法。首先,计算量测与目标的HRRP特征相似度;然后利用特征相似度辅助JPDA算法完成波门搜索,减少可行事件的数量;最后使用特征相似度对可行事件的发生概率进行修正,进而修正量测与目标的关联概率。实验结果表明,本文算法提高了关联性能,同时还极大地提高了算法的实时性。      

HPRF PD 末制导雷达抗遮挡方法设计

本文介绍了距离遮挡产生的原因,分析了影响距离遮挡现象的主要因素,指出高脉冲重复频率脉冲多普勒（HPRFPD）末制导雷达距离遮挡现象影响严重,因此必须采取抗遮挡措施。介绍了现阶段抗距离遮挡的主要方法,通过分析每种方法的不足之处,指出有效对抗距离遮挡现象的关键在于准确测得目标距离,但是在高脉冲重复频率情况下,精确测距只能通过解模糊来获得。本文比较了目前解模糊的主要方法,选取出适合应用在末制导雷达环境下,解模糊时间短,准确度高的方法。在此基础上设计了末制导雷达抗遮挡策略,分别针对无精确距离信息和有精确距离信息两种情况,设计出不同的抗遮挡策略,通过仿真证明,此方法抗遮挡效果较好。     

基于RPUKF的固定站无源定位跟踪算法研究

固定单站无源定位跟踪系统面临着可观测性弱、初始误差大等问题,寻找一种快速稳定的定位跟踪算法尤为重要.将距离参数化方法引入固定单站无源定位中,与不敏卡尔曼滤波(UKF)结合给出了基于距离参数化UKF(RPUKF)的固定单站无源定位算法;该算法根据观测站最大探测距离划分距离子区间,每个子区间单独采用UKF算法进行跟踪,将各自跟踪结果进行融合得到最终定位结果.仿真结果表明,在初始误差较大时RPUKF算法仍能实现稳定定位,与RPEKF算法相比在保证实时性的基础上明显改善了定位性能.     

一种具有自适应关联门的杂波中机动目标跟踪算法

针对杂波环境下的机动目标跟踪,该文提出一种基于自适应关联门的跟踪算法。该算法以传统交互多模型概率数据关联算法为基础,在关联门内无有效量测点迹时,假设目标在前一滤波时刻或是更早时刻以最大机动水平改变原运动模式,利用该假设条件下所获得的目标预测量测及当前真实预测量测,对用于确定关联门的新息协方差进行修正,使得关联门逐步适当扩大,以尽可能地包含目标真实量测点迹。仿真结果表明,自适应关联门跟踪算法能在不影响跟踪精度和算法运算量的情况下,有效降低机动目标的跟踪丢失概率。     

一种新的重频分选算法

从脉冲重复频率（PRF）出发提出一种新的重频分选算法，该算法的主要研究对象是脉冲重复频率而不是传统的重频分选算法所研究的脉冲重复间隔，尤其适合于已知脉冲重复频率范围的情况。利用该算法，运算量只有O（N），有利于实时计算。仿真结果表明，在脉冲重复频率的范围和初始相位已知的情况下，该算法有着较好的分选效果。     

一种新的目标跟踪定位数据融合处理方法

提出了在多传感器目标跟踪中对有效测元逐个融合计算的新方法,它能充分利用测量数据,提高目标跟踪精度。该方法克服了基于卡尔曼滤波方法需要建立统一测量方程的困难,解决了基于非线性优化类的最小二乘方法需要迭代求解、计算量大、很难满足实时计算要求的矛盾。与传统方法相比,该方法物理含义明显、计算简便、精度高,便于工程实现。     

一种高脉冲重复频率雷达微弱目标检测跟踪方法

针对高脉冲重复频率(PRF)雷达对微弱目标的检测跟踪问题,该文提出一种雷达测距模糊条件下基于检测前跟踪(TBD)的微弱目标跟踪方法.该算法借用TBD的思想精髓,对于每一时刻的量测,既不进行目标有无的检测也不解距离模糊,而是将目标检测和解距离模糊统一在目标真实航迹的获取中.首先通过批处理把目标的模糊量测在所有模糊区间进行多假设扩展,从而提取量测的时空相关信息;然后基于目标真实航迹在时空上的连续性和不同PRF量测之间的相关性,通过TBD方法得到目标航迹,同时实现解距离模糊.与同类研究相比,该方法将微弱目标解距离模糊问题统一到目标航迹的检测确认过程中,避免了低信噪比(SNR)造成的航迹漏检,为实现高脉冲重复频率雷达微弱目标的检测跟踪提供了一种新的思路.最后,通过仿真验证了该算法的有效性.     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。     

一种新的红外目标跟踪算法

给出了一种基于独立分量分析的红外目标跟踪新算法.在红外序列图像的第一帧中,依据目标的尺寸和大概位置选择目标区域,进行独立分量分析得到目标矩阵.在后序图像中选取跟踪区域,将其在独立分量上投影得到跟踪矩阵.利用实际目标区域所得跟踪矩阵和目标矩阵的夹角最小这一特点,进行目标跟踪,在目标被遮挡、形状变化和背景发生变化等复杂环境下取得了较好的跟踪效果,与传统方法比较,有较好的适应性.     

一种新的机动目标跟踪中的变结构多模型算法

实践证明变结构多模型(VSMM)算法在机动目标跟踪领域有着广阔的应用前景.文章介绍一种新的VSMM算法--最小子模型集切换算法.该算法从总模型集合中确定出适当的最小模型集合,并使用该最小模型集合完成多模型估计.     

机动目标跟踪的一种模糊算法

研究了模糊交互多模型算法（FIMM）和基于当前统计模型（CS）的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法（CSFIMM）。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型（IMM）算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

一种用于HPRF雷达的改进DPA弱目标检测算法

针对高重频雷达距离模糊可能会导致目标航迹不连续即发生跳变的问题,提出了一种改进的动态规划检测前跟踪算法,该方法在传统动态规划的基础上加入了后续状态估计并改进了动态规划搜索策略.它利用目标初始状态信息对目标后续状态进行估计并进行航迹跳变判决,再根据判决结果选择动态规划搜索策略,进而得到最优的目标试验航迹.文中利用改进的动态规划算法分别对距离模糊后跳变与未跳变两种情况的弱目标进行检测.仿真结果验证了该算法可以提高雷达回波中弱目标的检测性能,算法实际可行有效.     

机动目标跟踪中的多模型算法

多模型算法经历了从静态多模型（SMM）到交互多模型（IMM）、从固定结构多模型（FSMM）到变结构多模型（VSMM）的发展过程。通过分析FSMM算法的局限性,得出了VSMM算法的优点和使用时机,介绍了变结构多模型的转换算法,同时提出了一种新的VSMM算法——最小子模型集切换算法。     

基于距离像长度特征辅助的雷达目标跟踪

传统雷达目标跟踪仅利用角度和距离数据,由于获取的测量信息较少,跟踪精度受限。本文利用现代雷达所具有的距离高分辨能力,提出了一种基于距离像长度特征辅助的跟踪模型,并结合先进的非线性滤波算法得到了一种高性能目标跟踪算法—FAT UKF。该算法将目标的运动状态与距离像长度信息联系起来,通过增加观测量的维数来提高雷达的跟踪能力。对典型实例的计算机仿真结果表明,基于特征辅助的跟踪算法不仅收敛速度快,且能有效突破传统跟踪算法的理论误差下限,大大提高了雷达跟踪系统的整体性能。      

机动目标跟踪的HIMM算法研究

交互多模型算法(IMM)的子滤波器都是基于Kalman滤波的,它要求知道精确的噪声统计特性,然而在许多情况下噪声信号的统计特性是未知的,只能得到噪声信号的近似模型,这在一定程度上降低了IMM算法的跟踪精度.基于以上问题,将H∞滤波算法应用于IMM算法的滤波过程.H∞滤波对干扰信号的统计特性不作任何假设,与Kalman滤波相比,H∞滤波器对噪声形式的不确定性不太敏感,鲁棒性好.在跟踪过程中还引入了一种数值稳健的模型概率计算方法,能有效防止计算过程中出现数值溢出现象,提高了算法的可靠性.最后通过仿真实验,证明了算法的有效性.     

TLD目标跟踪算法研究

在TLD (Tracking Learning Detector)算法的基础上,提出了一种基于Online MIL(Online Multiple Instance Learning)的TLD目标跟踪算法.算法使用改进的MIL跟踪器进行目标跟踪,提高了目标在被遮挡情况下跟踪的鲁棒性.另外,在学习机制部分,目标位置的决策策略使用了跟踪结果优先的原则,使算法能适应出现类似目标时的跟踪.实验结果表明,该方法能够长时间准确地跟踪目标,并在出现类似目标时;跟踪效果较好.此外,改进后的算法在跟踪的稳定性和跟踪效率上较原算法提高了1倍.     

一种新的机动目标跟踪的多模型算法

采用带渐消因子的当前统计模型与匀速运动模型进行交互,设计了一种新的机动目标跟踪的交互式多模型算法。当前统计模型具有对一般机动目标跟踪精度高的特点,通过渐消因子的引入增强了该模型对突发机动的自适应跟踪能力,同时通过与CV模型的交互保证了对非机动目标的跟踪性能。仿真结果表明,在跟踪一般机动目标时,其误差和当前统计模型与CV模型交互的IMM算法相当;在跟踪突发机动目标时,该文算法的误差明显小于当前统计模型与CV交互的IMM算法。     

一种线性调频波形下的目标跟踪算法

研究在线性调频波形下把径向速度(多普勒)测量引入Kalman滤波的新方法，分析了距离和径向速度测量的统计特性以及距离-多普勒耦合引起的偏差，给出了位置测量噪声与径向速度测量噪声的协方差，导出了一个等价的径向速度测量方程，其测量噪声与位置测量噪声统计是不相关的，由此得到一个序贯处理的滤波算法。蒙特卡罗仿真表明，通过采用这一新算法引入径向速度测量，可以有效地消除距离—多普勒耦合引起的偏差，大大提高状态估计的精度，而且其估计性能优于传统的推广Kalman滤波。