一种改进的JIPDA多目标跟踪算法

针对边扫描边跟踪多频连续波雷达在杂波环境下的多目标跟踪问题,借助JIPDA算法中考虑目标存在概率的思想,并结合该体制雷达能提供高精度的径向速度信息,提出了一种引入径向速度量测的改进JIPDA滤波跟踪新方法。首先介绍了传统的JIPDA算法,然后对引入径向速度量测的改进JIPDA算法进行了理论分析,并讨论了引入径向速度量测和目标存在概率时互联概率的计算,最后进行了仿真实验。仿真结果表明,由于速度观测值提供了有关目标运动的更进一步信息,使得改进的JIPDA算法在跟踪性能上得到了显著提高。     

含径向速度量测的改进IPDA算法

针对边扫描边跟踪多频连续波雷达在杂波环境下单目标跟踪问题,文中借鉴综合概率数据互联(IPDA)算法中考虑目标存在概率的思想,结合该体制雷达可提供高精度的径向速度信息,提出了一种引入径向速度量测的IPDA新算法.首先介绍了传统的IPDA算法,然后对引入径向速度的改进IPDA算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使得改进IPDA算法的跟踪性能得到了较大的改善.     

三种引入Doppler量测的数据互联算法性能分析

针对多频连续波雷达系统中多目标跟踪问题,提出了三种引入目标径向速度量测的贝叶斯类多目标数据互联改进算法。为了清楚地对比三种改进算法与传统算法以及改进算法之间在跟踪精度、实时性等跟踪性能上的差异,对上述算法在相同环境下进行了详细的性能分析。首先,简述了各算法的互联方法;然后,建立了跟踪模型;最后,选取典型的多目标运动情况对这些算法进行了仿真实验,并根据仿真结果综合分析了它们各方面的跟踪性能。     

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。     

径向速度量测在机动目标跟踪中的应用

针对机动目标跟踪问题,提出了一种引入径向速度量测的IMM滤波跟踪新方法.首先给出了观测数据的无偏坐标变换,由此得出位置坐标观测噪声的协方差矩阵.然后对引入径向速度量测的交互多模滤波跟踪算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使跟踪性能得到了较大的改善.     

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波( SCKF),提出一种带多普勒量测的序贯均方根容积卡尔曼滤波( SSCKF-D)雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。 Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波( SCKF-D)算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。     

LFM雷达对临近空间高超声速目标的跟踪研究

针对临近空间高超声速目标跟踪的问题,提出了一种ECEF坐标系下基于径向速度补偿和相邻时刻目标量测对消处理的高超声速目标跟踪算法.首先,充分分析了目标高超声速运动对雷达探测跟踪的影响,并在此基础上合理构建了目标高超声速运动下的量测模型,以避免模型失配所引起的滤波发散问题;其次,利用解模糊处理后的径向速度估计对目标高超声速运动引起的高动态偏差做近似补偿,以将问题转换为低系统偏差下的状态估计问题,最后,通过基于相邻时刻目标量测对消处理的单雷达量测方程构建,可有效回避低系统偏差存在下的航迹关联问题,进而实现临近空间高超声速目标的可靠跟踪.仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度.     

一种利用径向速度量测的航迹起始新算法

连续波雷达的测距精度较差,只利用目标的位置量测进行航迹起始的传统方法效果有限.但连续波雷达还能提供高精度的径向速度量测,因此推导了目标径向速度与方位角和航向角之间的关系式,进而建立了2种径向速度波门,结合位置扇形波门,确定了一种利用径向速度量测的航迹起始新算法.仿真结果表明,对低测距精度的目标,该算法航迹起始效果要大大优于单一位置波门算法的航迹起始效果.     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

一种三维机动目标跟踪的改进IMM算法

以三维机动目标跟踪为背景,提出一种参数自适应交互式多模型跟踪算法。该算法采用当前量测信息实时地修正马尔可夫转移概率矩阵,有效地降低了人为因素的影响。由于三维CV（匀速运动）和CA（匀加速运动）模型状态变量维数不一致,从而导致使用IMM算法时数据不能直接交互融合。针对这一缺点,对CV模型进行了改进。Matlab仿真表明,使用改进后的CV模型并结合参数自适应IMM算法比使用常规的IMM算法跟踪效果更好,并具有很好的实用性。     

基于形态匹配聚类的近邻扩展目标跟踪算法

针对传统扩展目标跟踪（Extended Target Tracking, ETT）算法在处理近邻目标时面临的计算效率低下和跟踪不准确的问题,提出了一种形态匹配聚类量测集划分与高斯逆威沙特概率假设密度（Gaussian Inverse Wishart Probability Hypothesis Density, GIW-PHD）滤波器相结合的跟踪处理方法。该方法首先由GIW-PHD滤波器得到预测的目标状态,其次使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)算法完成量测集的初步划分,在此基础上利用较高权重的预测分量实现对多个近邻目标混合量测簇的判断,进而使用椭圆形状约束（Elliptic Shape Constraint, ESC）的FCM(Fuzzy C-Means, FCM)算法（ESC-FCM）对混合簇进行二次划分得到更精确的划分结果,最后将划分结果合并后送入GIW-PHD滤波器完成目标状态的更新。仿真结果表明,本文所提量测集划分方法能够充分利用GIW-PHD滤波器预测步获取...     

基于序列批处理Kalman滤波的跟踪算法

提高跟踪准确度是雷达发展的重要方向之一,本文通过建立的雷达跟踪模型,从批处理的角度,将多个状态矢量联合进行处理,并改进了量测方程,给出了一种使用序列批处理Kalman滤波（SBKF）以提高雷达跟踪准确度的新手段。通过仿真实验看出,相比传统扩展卡尔曼滤波（EKF）算法,序列批处理Kalman滤波的结果更接近真实值,有更好的收敛性,能得到更加稳定的滤波结果,有效地抑制了量测方程非线性化和野值带来的影响。     

PD相控阵雷达跟踪性能及资源管理分析

针对脉冲多普勒体制的相控阵雷达，利用交互多模型方法，分析了径向速度对相控阵雷达跟踪性能及雷达资源管理的影响。结果表明，在相同条件下，引入径向速度量测不仅可以减少跟踪机动目标时所使用的雷达资源，而且可以显著改善目标的跟踪精度，机动越大，性能改善越多。在工程实现上，应采用引入径向速度的变采样间隔跟踪滤波器。     

基于信息熵准则的认知雷达机动目标跟踪算法

针对复杂战场环境下机动目标跟踪难题，提出一种认知雷达目标跟踪算法.基于人类"感知-行动"循环思想，首先把目标径向距离、径向速度和方位等量测的克拉美罗下限近似为量测误差协方差，用信息熵描述目标跟踪的不确定性，然后以最小熵为准则建立了雷达接收端数据和发射端信号处理之间联系；为避免传统交互式多模型（Interacting Multiple Model，IMM）算法由于模型转移概率设置不合理所带来的跟踪精度下降问题，受人脑三阶段记忆机制启发，将"记忆"嵌入IMM算法，通过自适应调整模型转移概率，增强了优势模型的交互主导性，弱化了不匹配模型的不良竞争.仿真实验验证了算法的有效性.     

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。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

小波分析法解决无线定位跟踪问题

无线定位中,信号的非视距传播（NLoS）很大程度上决定了移动台的定位精度,而小波分析理论在信号处理中有较为明显的优点,提出了一种在蜂窝网络中非视距环境下对移动台（MS）的定位及跟踪算法。利用小波变换对信号的分解和重构,实现了对TDOA测量值误差的修正,再利用经典Chan算法对移动台位置进行估计,配合相应的距离门限值对移动台的位置进行跟踪定位。仿真结果表明,该算法能够有效地实现对移动台位置的静态定位和动态跟踪,并明显优于同等环境下经典算法的仿真结果,有效提高了定位精度。