混合坐标系下的自适应α-β滤波器

针对雷达目标观测和数据处理在不同的坐标系下完成,本文提出了一种混合坐标系下的自适应α-β滤波算法来跟踪机动目标。该算法以自适应α-β滤波器为基础,直角坐标系和球坐标系下的算法相结合,克服了这两种坐标系下滤波算法的不足,对机动目标有很好的跟踪效果。仿真表明该算法的跟踪性能优于单一坐标系下的自适应α-β滤波器,尤其适用于TWS雷达多机动目标跟踪情况。     

船用雷达ARPA中的自适应α-β滤波研究

ARPA是航船跟踪目标避免碰撞的重要设备,其目标跟踪的主要算法是简化α-β滤波算法。该算法用于匀速直线运动目标的滤波跟踪处理,对机动目标的跟踪性能较差,同时ARPA的引入还增加了坐标变换的运算量。针对上述问题,提出在ARPA系中统运用直角坐标系下的自适应α-β滤波算法,新方法在坐标变换后进行,减少了坐标变换运算量,增强了自适应跟踪能力,并实现机动目标的自适应跟踪,通过仿真验证了该方法的跟踪性能。     

一种适于工程应用的杂波环境中机动多目标的跟踪方法

针对已有杂波环境中机动多目标跟踪算法运算量大的不足,提出了一种基于有机动检测和机动转稳态判断的自适应α-β滤波和改进的模糊数据关联的新方法,并利用滤波过程中的机动指标实时地调整波门的大小。该方法计算量小,易于工程实现。Monte Carlo仿真结果表明了该方法良好的跟踪性能。     

伪加速度修正自适应α-β滤波算法研究

针对现有的球坐标系下无修正伪加速度自适应α-β滤波算法的缺陷,提出了伪加速度修正自适应α-β滤波算法。该算法选用球坐标系作为跟踪坐标系,建立了伪加速度修正的目标运动模型,消除了伪加速度对滤波算法跟踪精度的影响。通过仿真,证实该改进算法的滤波精度优于不带伪加速度修正的α-β滤波算法,同时计算量并没有显著的增加,易于工程实现,特别适合多目标的实时跟踪。     

一种机动目标跟踪的自适应α-β滤波算法

α-β滤波器是一种在雷达数据处理中常用的跟踪滤波器，其中系数的选择是决定滤波器性能优劣的关键。在充分理解α-β滤波器算法的实质的基础上，利用一双曲函数的简单性质，提出了一种具有工程实践意义的适用于机动目标跟踪的α-β算法，该算法结构简单、运算量小、易于工程实现。文中介绍了其基本原理，给出了其理论根据，并对算法进行了仿真，在仿真中与其他工程中常用的算法相比较，仿真结果验证了算法对机动目标跟踪的有效性。     

基于神经网络的机动目标跟踪模糊Kalman滤波算法

以实现坦克对机动目标的有效跟踪为背景,针对传统Kalman滤波算法存在的计算量较大、需要先验信息较多的缺点,提出了一种基于神经网络的机动目标跟踪模糊Kalman滤波算法.在"当前"统计模型的基础上,将未知的目标机动加速度作为附加的过程噪声,使用模糊系统估计全部过程噪声的时变方差,利用神经网络对模糊系统中的参数进行优化.仿真结果表明了所提方法的有效性.     

一种用于搜索雷达的交互多模型跟踪滤波算法

跟踪滤波算法是雷达数据处理的重要组成部分。受搜索雷达采样数据率的限制,当目标机动时,滤波器跟踪严重滞后、跟踪精度差。针对该问题,提出了基于α-β滤波和α-β-γ滤波的交互多模型跟踪滤波算法。将目标的运动状态映射到目标的运动模型,根据运动模型构造相应的滤波器,多个滤波器并行工作,实时计算每个滤波器的残差,根据滤波的残差和先验知识选择适应目标当前运动状态的滤波器输出目标预测信息。仿真结果表明,该算法在目标机动与非机动情况下均能有效跟踪目标,具有较好的适应性与滤波精度。     

基于伪线性和输入估计的无源自适应跟踪算法

基于伪线性滤波算法和输入估计算法提出了一种对空中机动目标进行三维测向无源自适应跟踪的新算法。该算法把目标机动加速度看成是未知的输入向量附加到状态方程中,再利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度。仿真结果表明：该算法不需要对目标进行机动检测,即能够适应目标机动和非机动2种工作模式,实现对空中机动目标的自适应无源跟踪。     

一种新的机动目标跟踪滤波的模型方法

本文提出了一种新的机动目标跟踪滤波的模型方法。它将目标的机动加速度作为一状态变量引入模型而直接进行估计,并通过卡尔曼滤波器的残差来检测目标机动与否。一旦检测出目标机动,马上重新启动卡尔曼滤波器以适应机动加速度的跳变。新的自适应滤波方法在这种情况下实现了最佳滤波。计算机仿真结果表明,在计算量远少于Moose方法计算量的情况下,本文方法的滤波精度与Moose方法的滤波精度相当。     

基于变系数α-β-γ滤波的目标跟踪仿真研究

针对目标跟踪中联合数据关联算法计算量大,随目标数目增多呈几何增长而导致跟踪效率低下的问题,主要介绍了顺序数据关联快速算法（MSFAFDA）,建立了基于变系数α-β-γ滤波和顺序数据关联快速算法的模型,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较好的跟踪目标,其跟踪精度符合要求,提高了跟踪实时性。     

一种利用运动补偿的改进JPDA-UKF算法

在恒虚警条件下,针对传统的航海雷达模拟器目标跟踪采用的基于不敏卡尔曼滤波的联合概率数据互联算法( JPDA-UKF)发散、复杂度高和实时性差的问题,提出了一种利用运动补偿的笛卡尔坐标下改进的JPDA-UKF滤波方法。该算法引入相邻周期回波间运动补偿提取的目标量测可信度矩阵,限制进入跟踪门相交区域中的虚假量测数量,并将软跟踪门技术应用于滑窗逻辑法实现航迹管理。仿真结果表明,所提方法径向速度误差比传统的JPDA-UKF算法与自适应的α-β滤波算法分别降低10%和20%,目标获得稳定航迹后径向速度归一化均方根误差( RMSE)比上述两种方法分别具有约10 dB和15 dB的性能优势,算法的复杂度符合真实雷达的边扫描边跟踪的实时处理。     

捷联导引头视线角速率估计算法

研究了一种用于估计制导弹药与目标之间的视线角速率算法的推导与实现.低成本的捷联导引头的测量信息中包含了弹目在相对运动中形成的视线角和弹体姿态两部分信息,首先设计解耦算法将弹体姿态信息去除,然后采用扩展卡尔曼滤波(EKF)以及α-β滤波这两种算法分别对视线角和视线角速率进行估计,最终的仿真结果表明采用EKF算法能比α-β滤波算法得到更加精确的估计值.     

变结构多模型估计单Kalman滤波跟踪机动目标算法

在机动目标跟踪中，如果我们估计出目标的机动量，就可以使用单Kalman滤波来跟踪目标且跟踪精度和IMM滤波方法接近。文献[l]中提出用N个离散加速度Ui覆盖目标机动量，然后用它们加权的方法来得到机动量的估值。这些离散加速度量Ui的选择是个难点。本文提出使用变结构多模型方法来估计目标的机动量，该方法可以实时改变参与估计机动量的模型数目和参数，排除一些不必要的模型来减少模型数目和竞争。仿真实验结果表明，在大大缩短计算时间的前提下，本算法依然能够获得与原算法一样的跟踪精度。     

基于IMM-SCKF-STF的机动目标跟踪算法

在处理非线性机动目标跟踪问题时,传统的非线性滤波估计算法跟踪误差大且容易引起滤波发散.针对上述问题,研究将强跟踪平方根容积卡尔曼滤波(SCKF-STF)和交互多模型(IMM)算法相结合,提出一种新型的交互多模型强跟踪平方根容积卡尔曼滤波(IMM-SCKF-STF)跟踪算法.该算法在SCKF基础上引入强跟踪渐消因子,使其不仅拥有应对机动目标状态突变的强跟踪能力,同时还具备交互多模型算法的优良机动目标跟踪性能.因此,新算法在机动目标跟踪方面将获得更高的非线性滤波估计精度,且算法的稳定性和应对状态突变的跟踪鲁棒性能获得显著提高.最后,通过两个仿真例子验证了此算法的有效性与优越性.     

基于α-β和δ-ε滤波器的机动目标跟踪

机动目标跟踪算法工程化问题一直是个难点。文中提出了基于α-β和δ-ε滤波器联合来跟踪机动目标，该算法不仅克服了两种滤波器对机动目标跟踪的不足，且计算简单，容易工程实现，并对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

一种改进的航迹起始与多目标跟踪算法

在靶场弹道测量多目标雷达数据实时处理中,在预测目标状态之前需要进行目标航迹起始。传统航迹起始算法的可靠性受第一帧数据的不确定性影响较大。在进行高射频连发弹丸初速测量等高精度多目标弹道测量试验时,异常的航迹起始会导致弹道测量出现严重偏差。根据连发弹丸初速测量的特点提出了一种改进的航迹起始与跟踪算法。首先,选择检测效果最佳的数据作为起始数据进行航迹起始;然后,采用双向α-β-γ滤波的跟踪滤波方法获得弹道参数的最优估计。实测数据处理结果表明,改进的航迹起始与跟踪算法能够避免第一帧数据不确定性带来的影响,提高了雷达测量弹道参数的可靠性与稳定性。     

基于高斯-艾肯特滤波的机动目标跟踪算法

针对交互式多模型(IMM)算法切换滤波模型缓慢、跟踪精度低甚至发散的问题,提出了在机动目标跟踪中使用的高斯-艾肯特滤波算法。首先,该算法确定观测模型和滤波模型集,分别构造量测方程组和滤波方程组,形成总体观测矩阵;然后,针对跟踪目标的非合作机动,提出使用卡方检验来检验滤波效果,并通过滤波控制算法实时调整滤波内存长度,使用高斯-艾肯特滤波对机动目标跟踪具有很强的灵活性,实现自适应跟踪;最后,在目标跟踪仿真中与三种改进模型集的卡尔曼滤波IMM算法进行对比验证,对两类算法进行了复杂度分析。仿真结果证明了高斯-艾肯特滤波算法的有效性,在无先验信息条件下拥有更高的跟踪精度。     

一种精确跟踪机动目标的非线性滤波算法

在非线性系统中,最常用的是扩展卡尔曼滤波算法(EKF),当目标距离较远时,滤波器由于量测方程非线性的影响,误差较大。以机动目标“当前”统计模型为基础,建立新的机动目标模型,加入多普勒速度测量对补偿线性化误差的跟踪算法(PTLKF)进行改进。最后融入修正的加速度方差自适应算法对机动目标进行跟踪。仿真结果表明:在非线性观测条件下,改进的PTLKF算法和修正的加速度方差自适应算法的融合可以有效地改善跟踪的效果,并且其计算量明显小于强跟踪滤波算法。     

机载火控雷达TWS滤波算法仿真研究

提出了一种结合惯性导航系统参数的跟踪滤波算法(JINS)。该算法克服了由于载机本身机动对滤波器跟踪性能所造成的影响。通过计算机进行Monte Carlo仿真试验,并与经典的α-β滤波算法进行了比较。结果表明：该算法在载机机动时仍然能够对目标保持较高精度的跟踪。     

雷达导引头角闪烁抑制算法研究

角闪烁是雷达目标的固有特性,特别是在近距制导时,角闪烁是影响毫米波末制导雷达角跟踪精度的主要因素之一,可能使脱靶量增加,甚至导致目标丢失。本文在阐述角闪烁形成机理及其对末制导角跟踪精度影响的基础上,提出了一种基于距离高分辨和α-β-γ滤波以及角通道滤波后处理的近距离角闪烁抑制算法,并利用跑车跟踪仿形坦克目标实测数据验证了该算法的有效性。