光电跟踪目标的强跟踪滤波算法及其仿真研究

针对光电武器对机动目标跟踪精度较差的问题,在"当前"统计模型的基础上,形成了机动目标"当前"统计模型下强跟踪滤波算法。该算法通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对突发机动目标的跟踪能力,同时保留了"当前"统计模型跟踪算法对一般机动目标跟踪精度高的特点。仿真结果表明,该算法对机动目标具有较好的跟踪精度和适中的计算复杂度,是一种较好的光电跟踪算法。     

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(ST-MEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。     

一种用于“蛇形”机动目标的跟踪方法研究

为了满足光电跟踪系统中对“蛇形”机动目标跟踪的要求,针对以前应用的Singer模型的缺陷,根据“蛇形”机动目标运动规律,提出一种机动目标转弯模型,结合扩展卡尔曼滤波算法,对典型“蛇形”机动目标进行跟踪。通过Monte Carlo仿真,实现了在平面内对“蛇形”机动目标位置的准确跟踪,并且距离均方根误差（RMSE）比Singer模型要小很多,从而验证了该方法的有效性。     

基于动态粒子群优化的目标跟踪算法

目标跟踪问题的关键在于如何寻找与目标运动状态匹配的运动模型。交互式多模型算法的模型集是根据先验信息确定的,它不随时间变化而变化,并且要求在模型集中任意时刻都存在描述目标运动模型。在实际中需要大量模型来描述运动。将粒子群优化和变结构多模型算法相结合,不仅能充分利用系统的实时量测信息,还能根据其先验信息调节优化算法结构。仿真表明,运用动态自适应粒子群优化算法实现模型集自适应,可以提高目标跟踪的精度和实时性。     

改进的CS-UKF加速度方差自适应跟踪算法

针对基于当前统计模型的状态噪声协方差阵中的加速度方差调整方法对一般机动目标、非机动目标跟踪精度差的问题,研究其改进方法;在建立机动目标当前统计模型离散状态方程和雷达导引头离散观测方程的基础上;利用雷达导引头测量信息和位置预测值之间的扰动对加速度方差进行调整,提出了改进的加速度方差自适应调整无迹卡尔曼滤波跟踪算法;数字仿真验证了该算法对非机动目标、一般机动目标以及高机动目标均具有良好的跟踪效果。     

角闪烁噪声测量条件下的剩余飞行时间估计

针对雷达导引头角闪烁噪声测量条件下的机动目标,研究剩余飞行时间计算方法。建立了闪烁噪声计算模型;在粒子滤波算法和扩展卡尔曼滤波算法的基础上,推导了扩展卡尔曼粒子滤波算法的实现过程;根据估计结果建立了剩余飞行时间计算模型,在剩余飞行时间表达式中考虑了目标机动加速度的影响。仿真结果表明,基于机动目标当前统计模型的扩展卡尔曼粒子滤波算法对闪烁噪声测量条件下的机动目标具有良好的跟踪性能,对剩余飞行时间具有较高的估计精度。     

目标机动未知下的有源声呐跟踪滤波方法

为解决由有源声呐测量误差而引入的目标机动判决模糊问题,提出了基于延迟机动检测的跟踪滤波算法。利用多假设跟踪方法,在目标机动检测模糊时,生成匀速及机动的两种目标运动假设以延迟最终的决策时间,基于残差序列构造假设检验统计量,实施序列似然比检验并融合强跟踪滤波器和Kalman滤波器的优点,提高了有源声呐对先验信息未知目标的跟踪能力。通过仿真分析表明,该算法不仅能够精确的跟踪匀速运动目标,而且能够稳定的跟踪机动目标。海试数据处理进一步验证了算法跟踪真实水声目标的有效性。      

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

一种基于Kalman滤波的环形模板匹配相关跟踪算法(英文)

为了解决在目标跟踪系统中,传统相关算法在目标发生目标局部遮挡或旋转等姿态变化较大的情况时容易跟踪丢失的问题,提出一种改进的基于卡尔曼预测器的环形模板匹配相关跟踪的算法.利用卡尔曼预测器来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行环形相关匹配运算,找到最佳相关匹配点,使跟踪更具主动性。环形匹配还可以克服由于姿态变化而引起的横向匹配点丢失,从而可以跟踪各种姿态运动的机动目标.实验中,利用改进算法对出现局部遮挡情况的姿态变化大的运动目标进行跟踪,传统算法处理此类情况容易跑飞,而本文算法不受这两种跟踪局限性的干扰,始终稳定跟踪机动目标且耗时大幅减少.     

基于动态特征融合的粒子滤波目标跟踪算法

提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。     

红外单站多目标跟踪算法研究

利用IRST(红外搜索与跟踪)系统所获取的各目标的角度及其红外光谱辐射功率和信息，通过对红外光谱辅射功率和的相关处理，运用选优的JPDA（联合概率数据关联）算法与IMM（交互多模型）算法实现了IRST系统的单站多目标跟踪，并通过两个仿真场景对算法性能进行了检验.仿真结果表明：在跟踪开始阶段，两个场景中的每个目标都能获得高精度的跟踪;当目标编队飞行时，算法能对各目标进行有效的跟踪，而且跟踪精确度也是令人满意的;当目标交叉飞行时，跟踪的误差明显加大，随着时间的延续，对远距离目标会失去跟踪能力，但对近距离目标仍能进行有效的跟踪.     

一种多基阵机动目标被动跟踪算法

由多部声纳基阵获取的方位信息对水中机动目标的跟踪实质上是一个非线性状态估计问题,文中首先依据各基阵的方位信息,采用最小二乘法得到目标位置在各采样时刻的初步估计,然后将其作为测量值用于交互多模型算法(IMM)并结合线性卡尔曼滤波(KF)得到目标运动速度和轨迹,避免了应用非线性估计算法直接进行多个方位数据融合过程中存在的各种问题。仿真结果表明这一算法简便,与双基阵纯方位机动目标被动跟踪相比具有较快的收敛速度和较高的跟踪精度。     

一种改进的时变转移概率AIMM跟踪算法

针对矢量线阵跟踪目标低频线谱提取问题,提出了一种矢量线阵低频线谱提取方法,其中利用拉平后线谱的均方差乘一比例因子设为门限的方法,可以有效提取线谱成分;并且研究了利用互谱中高信噪比线谱测向剔除干扰线谱方法,准确提取出目标特征线谱,可较有效解决矢量线阵左右舷目标低频线谱特征相互干扰问题。上述矢量线阵低频线谱提取方法,得到了海试数据的初步验证。     

图像跟踪系统中机动目标预测的实现

针对装甲车上的图像跟踪系统，提出一种机动目标预测方法。将目标的运动分解为2部分，即全局运动和局部运动，并根据各自的动态特性分别进行预测。文章以局部运动预测为重点，通过对机动目标跟踪技术的研究，建立起性能优良的跟踪滤波器，并将其扩展到预测滤波器中对目标的未来运动状态进行预测，从而提出“交互式多模型预测算法”，并对该算法进行仿真，给出速度均方根误差的仿真结果。仿真结果表明:该算法预测精度高、自适应能力强。最后还给出了预测门的计算方法。     

IRST系统的单站机动目标跟踪算法研究

在传统的IRST（红外搜索与跟踪）系统的角测量基础上,增加了红外探测器对目标红外辐射的响应信息这一测量项,且将相邻两次测量的目标红外光谱辐射功率之比作为伪测量,以消除目标红外光谱辐射强度不确定所产生的影响,并由此构造了机动目标跟踪的IMM（交互多模型）算法. 通过跟踪一个高机动目标的仿真过程,对算法性能进行了检验.仿真结果表明:当测量误差较小时,误差的变化对跟踪精度的影响不大,整个跟踪过程中,单个坐标轴上的均方差不超过7 m,而且,大多数时刻上的均方误差不超过3 m;当测量误差较大时,近距离（航迹前段和中段）的跟踪精度也是很高的,单个坐标轴上的均方差不超过5 m,但是,远距离的跟踪精度下降很快,最大误差达到110 m;速度误差与位置误差也有类似的结果.