一种新的多目标角跟踪方法

该文提出了一种新的多目标角跟踪算法。首先利用高分辨处理估计出目标的个数及其初始角度,接着通过对协方差矩阵的更新得到不同时刻各个目标的角度。该算法减小了阵元噪声的影响,相邻时刻估计得到的角度之间是自动关联的,省去了运算量较大的数据关联过程。此外,文中还提出了进一步提高性能的两种方法：通过引入预测值减小了算法中两个近似带来的误差;采用记忆跟踪法来处理有目标交汇的情况。仿真结果表明,该算法有较高的跟踪性能。     

航空光电平台机动目标跟踪定位技术应用

利用航空光电平台对机动目标进行侦察,使用机载平台参数对探测机动目标进行定位,通过卡尔曼滤波算法解决机动目标定位离散分布,通过滑动加权及滑动平均的方法对机动目标的航向航速进行平滑。工程应用表明,上述方法可以实现对航空光电平台探测机动目标进行实时自动定位及航向航速解算,数值定位滤波精度高,满足系统定位指标的要求。     

多运动平台多传感器机动目标自适应跟踪

针对多运动平台多传感器背景下的机动目标跟踪问题,提出了模糊自适应无迹卡尔曼滤波(FUKF)算法,基于良好机动性描述的"当前统计"模型和良好非线性滤波能力的UKF(Unscented Kalman Filter),利用模糊推理技术实时自适应地调整系统噪声协方差矩阵,来提高对目标机动性的理解能力和跟踪精度.仿真实验表明该算法的有效性.     

交互式多模型机动目标跟踪方法的仿真

分析和研究利用CV模型和CA模型交互、CV模型和Singer模型交互、CV模型和“当前”统计模型交互分别对单机动目标进行跟踪。通过大量的计算机模拟仿真，比较了不同的模型组合在各种参数情况下的滤波性能，并且比较其和卡尔曼滤波（Singer模型）性能的优劣性，得出了一些有意义的结论。     

机动目标自适应高斯模型与跟踪算法

提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布。指出了机动目标运动模型的均值和方差与目标机动加速度最佳当前估计值之间的关系,在此基础上,提出了相应的自适应卡尔曼滤波算法。仿真结果表明,该算法对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪效果,且所需计算量小。     

多站无源定位系统中的机动目标跟踪算法

针对多站测向无源定位系统提出了一种杂波环境下机动目标的被动跟踪算法———ＣＭＩＭＭＰＤＦ 算法。该算法首先用转换测量的卡尔曼滤波（ＣＭＫＦ）替代了传统的扩展卡尔曼滤波,克服 了后者精度不高易发散的缺点,并将其结合交互多模型（ＩＭＭ）算法及概率数据关联（ＰＤＦ）算法,有效 地完成了多站无源定位系统对杂波环境下机动目标的跟踪。仿真结果证明了该算法的有效性。     

二阶马尔可夫加速度模型下的机动目标预测器

文章采用二阶马尔可夫加速度模型建立机动目标跟踪滤波器,并将其扩展到预测器中形成六阶多项式预测模型来解决机动目标预测问题.仿真的结果表明,文中所建立的预测器使机动目标预测精度有了明显的提高.     

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。     

基于残差三阶累积量的机动检测新方法

针对在有高斯量测噪声情况下目标机动检测问题,提出了一种基于残差三阶累积量的 机动检测算法,通过利用Kalman滤波实时产生残差数据而进行的三阶累积量的计算,抑制了 高斯噪声对目标机动的影响,且实现了机动检测的实时性。仿真实验结果验证了该算法的有 效性和稳健性。     

一种机载地面侦察雷达多机动目标跟踪方法

介绍了地面多机动目标跟踪系统的一种实现方法 ,提出了跟踪系统目标模型的建立、跟踪坐标系的选择、跟踪起始和跟踪终结以及数据关联和跟踪维持的方法 ,最后给出了试验结果。     

基于卡尔曼滤波的机动与非机动目标的定位跟踪

目标跟踪理论在国防、商用等领域都具有重要价值,并且是实现智能交通系统的基础。针对智能交通系统中需要对特定的运动目标进行跟踪和监测的要求,利用卡尔曼滤波算法对目标进行跟踪并对其下一时间的运动位置、运动方向、速度等信息进行预先估算以达到及时监测的目的。通过分别对机动目标和非机动目标的仿真试验,得出了卡尔曼滤波算法可以对运动的目标实现实时跟踪,且非机动目标的跟踪效果要优于机动目标的结论。     

机动平台双站红外测距方法研究

机动平台双站红外测距具有较高的实用性,通过对测距过程的分析,描述了坐标系转换原理和空间交叉点定义,提出了一种机动平台双站红外测距方法。结合实际应用需要,分析了影响该测距算法测距精度的因素,并给出误差计算公式。对测距精度进行了仿真分析,研究了双站间距、探测得到的方位角度和测距精度之间的关系。     

基于卡尔曼滤波的机动目标外推预测的研究

卡尔曼滤波在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。卡尔曼滤波器在机动目标跟踪中具有良好的性能,是一种最佳估计并能够进行递推计算。为了研究卡尔曼滤波对机动目标的预测,首先用Matlab仿真验证自适应卡尔曼滤波的跟踪滤波能力,根据结果判定目标运动模型,进而在此运动模型下用卡尔曼预测对目标进行外推验证。     

新的“S-蛇形”机动目标模型及跟踪方法研究

为了解决三维空间蛇形机动目标跟踪算法中模型失配的问题,提出了新的"S-蛇形"机动目标模型。该模型基于研究分析了平面内原始机动转弯模型,考虑目标在垂直方向做简单的匀速直线运动,对二维机动转弯模型进行了三维补维,但经仿真分析发现,此模型在机动变轨处出现"折返"现象,为了克服此缺点,又对该模型的状态转移矩阵进行了修正,提出了一种新的"S-蛇形"机动目标模型,该模型能够很好地匹配蛇形机动目标真实运动轨迹。最后在扩展卡尔曼滤波算法(EKF)中应用该模型,对真实蛇形机动目标进行滤波跟踪,通过Monte-Carlo仿真,结果验证了此算法跟踪精度高,也进一步证明了改进模型的合理性和实用性,并已经初步应用于某新型武器装备跟踪系统调试中。     

数字多波束相控阵测控系统角跟踪环路设计

为了解决相控阵天线对目标的自跟踪问题,基于数字锁相环路理论,提出了一种相控阵天线数字角跟踪环路设计方案。通过数学建模与仿真验证了方案的正确性,同时表明方案对不同的通道时延具有良好的收敛特性。该方案已成功应用于工程项目。     

基于自适应卡尔曼滤波的机动目标跟踪算法

针对一般卡尔曼滤波融合跟踪方法无法实现对机动目标的有效跟踪问题,提出一种自适应卡尔曼滤波融合方法,设计一种能够提供目标开始机动瞬时估计的目标机动探测器,反复对目标的加速机动进行估计,当确定目标开始机动时,卡尔曼滤波模型将自适应地调整为目标机动状态模型。最后,通过仿真实验对比分析,证明文中所提方法优于一般卡尔曼滤波融合方法。     

基于交互多模算法在非线性测量方程下的机动目标跟踪

针对非线性测量下的机动目标跟踪问题，本文基于交互多模型算法（IMM），采用去偏转换测量卡尔曼滤波（CMKF－D）的方法，把在极坐标系下得到的测量值转换到直角坐标系中，用统计的方法求出转换测量值的误差均值和方差，将转换测量值去偏后再进行卡尔曼滤波，仿真结果表明，算法提高了基于非线性测量方程的机动目标跟踪性能。     

对机动目标的多站无源定位IMM算法

将交互式多模型（IMM）算法与集中式融合跟踪算法相结合,给出了集中式交互多模算法（CIMM）;基于目标的多普勒频率差和信号到达方向信息,利用CIMM算法对机动目标进行无源定位与跟踪,并与变维（VD）滤波算法的跟踪性能进行了比较.通过计算机仿真验证了CIMM算法是有效的,且该算法与VD算法相比定位精度更高、稳定性更好.     

用于机动目标跟踪的多模型算法进展

对多模型算法的发展过程进行了简单的回顾和评述,通过分析固定结构多模型算法的局限性,得出变结构多模型算法的使用时机。     

机动目标跟踪的新算法

机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性.