基于α-β-γ固定增益滤波器的机动目标跟踪方法研究

为提高电子战中对机动目标的跟踪能力,提出了基于α-β-γ固定增益滤波器的动目标跟踪技术,分析了固定增益滤波器原理和组成,阐述了α-β-γ滤波器的原理,介绍了一种固定增益滤波器跟踪方法,最后通过仿真证实了该技术跟踪强、弱机动目标的性能,并可在噪声干扰情况下获得较小的期望残差.     

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。     

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。     

非线性滤波在光电跟踪中的应用及仿真研究

针对光电跟踪机动目标精度较差的问题,设计了光电跟踪目标的强跟踪滤波算法.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,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.     

一种改进的α-β滤波算法

针对传统α-β滤波算法不够有效跟踪机动目标的问题,详细分析了其内在原因,提出一种改进的α-β滤波算法.该算法不需要假定目标的机动模型,而是将目标的机动加速度作为滤波状态直接估计出来,将估计加速度作为输入控制量引入到传统α-β滤波器的状态估计方程中进行机动目标的跟踪.然后将它与传统α-β滤波算法进行比较,证明了新的算法不仅具有传统算法计算量小的优点,而且还可以对机动目标进行实时跟踪.仿真结果表明,新算法在综合性能上明显优于传统算法.     

多种跟踪算法对机动目标跟踪的应用研究

通过建立目标运动模型,对多种跟踪滤波器进行了分析仿真。仿真结果表明,混合状态估计交互式多模型算法（IMM）对机动目标跟踪效果比其它类型的滤波器好得多,并且确定了在航迹滤波与机动跟踪方面综合表现性能较高的IMMVCVA跟踪算法。通过外场实际数据验证,表明该算法对现实环境中的目标稳定跟踪具有重要的意义。     

基于STF的"当前"统计模型及自适应跟踪算法

在"当前"统计模型(CS)的基础上,提出了一种新的机动目标自适应跟踪算法STF-CS.该算法通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,增强了系统对突发机动的自适应跟踪能力,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,在跟踪一般机动目标时,其误差和"当前"统计模型算法相当;在跟踪突发机动目标时,本文算法的误差明显小于"当前"统计模型及自适应算法.     

一种基于相互作用多模型的目标跟踪方法及应用

首先，对传统的KLM滤波器及在跟踪机动目标的缺点和不足作了介绍，然后介绍强跟踪滤波及相互作用的多模型滤波器，采用相互作用的多模型滤波器对机动性很大的目标进行跟踪，分析IMM算法在机动目标跟踪中的优势。最后，采用部队的实际数据进行仿真，对它们的跟踪效果做了比较。     

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。     

机载雷达对地动目标跟踪研究

雷达对目标的跟踪过程中,往往利用α-β滤波器对目标航迹进行滤波以得到更高的跟踪精度。试验发现机载雷达对地动目标跟踪的过程中,若目标突然发生运动状态的改变如加/减速等,则滤波误差容易发散。工程上往往利用衰减记忆滤波器来维持滤波器的稳定性,但对于匀速运动目标,随跟踪步数的累积该滤波器跟踪精度无法得到持续改善。本文提出一种结合利用α-β滤波器和衰减记忆滤波器的目标跟踪算法,使其兼顾跟踪精度和滤波稳定性。通过仿真试验证明了该滤波方法的有效性。     

一种H∞次优滤波模糊跟踪器的设计与仿真

针对目标做高机动运动时跟踪误差增大的问题，提出了一种基于H∞次优滤波器的模糊鲁棒跟踪器。该跟踪器利用日。次优滤波器的鲁棒性以快速减小由于目标机动产生的估计误差，实现对机动目标（尤其是高机动目标）的快速跟踪。同时，应用一系列的模糊规则在线自适应调整日。次优滤波器的过程噪声协方差矩阵，使得该跟踪器可以精确跟踪非机动目标和机动目标。仿真结果表明，该跟踪器对机动目标和非机动目标的跟踪效果均很好，并且在目标从非机动到机动切换时，能够快速减小跟踪误差。     

改进的当前统计模型及自适应跟踪算法

对于机动目标跟踪问题,在当前统计（CS）模型的基础上,提出了一种新的机动目标自适应跟踪算法。通过引入强跟踪滤波器（STF）的渐消因子,增强了模型对目标突发机动的自适应跟踪能力,同时针对模型对目标加速度极限值的依赖性这一缺点,引入一种利用位置估计值与加速度的函数关系自适应调整加速度方差的方法,提高了对弱机动和非机动目标的跟踪能力。仿真结果表明,该算法与标准的当前统计模型滤波算法相比具有较高的跟踪精度。     

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。     

快速机动目标跟踪算法研究

根据空间目标作匀速转向运动的特点，提出了一种基于航向变化的目标加速度实时估计方法，在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪。仿真结果表明，这种新的加速度估计方法不仅能检测出目标机动开始和终止时刻，而且还能估计出快速机动目标的加速度大小，与扩展卡尔曼滤波器相比，采样卡尔曼滤波器具有更好的跟踪精度。     

遗传算法的模糊Kalman滤波用于机动目标跟踪

针对卡尔曼滤波器对机动目标跟踪效果不佳的缺点，提出基于遗传算法的模糊卡尔曼滤波器（GA-based FKF）。它将未知的机动加速度看作附加过程噪声，全部过程噪声的时变方差用模糊系统来估计，并用遗传算法对模糊系统进行优化。最后将该算法与交互多模型方法通过仿真进行了比较。仿真结果表明GA-basedFKF提高了跟踪性能，减小了计算量，是有效可行的。     

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。     

一种机动海目标跟踪算法研究

在α-β跟踪滤波器的基础上增加了机动检测器,根据残差过程的变化特性,设计机动检测准则来提高对机动海目标的跟踪性能。仿真比较了原始α-β跟踪滤波器和加机动检测器的滤波算法性能。     

球坐标系中的战术导弹跟踪

本文就球坐标中的机动目标跟踪,特别是用舰上跟踪雷达对来袭的飞航式反舰导弹进行跟踪的问题提出了一套新的模型和算法.这个新的模型着重于对球坐标系中目标运动模式和加速度非线性关系的深入分析.同时本文提出了一种称为二级自适应滤波器组(TSAFG)的自适应跟踪滤波器结构.对于满足一定条件的机动目标,这一方法具有简单、灵活、有效的优越性.它还可推广到在球坐标系中对多种类型的机动目标进行精确跟踪.     

雷达目标角度跟踪环路滤波器设计新方法

角度跟踪环路在机载雷达对目标的距离、速度、角度3维联合跟踪中起着至关重要的作用。该文分析指出传统采用卡尔曼滤波算法形成角度跟踪环路对机动目标角度进行跟踪时跟踪精度低,角跟踪误差收敛速度慢的缺点,提出弯曲度检测跟踪环路滤波器(Bend Degree Tracking Loop Filter, BDTLF)设计方法,其利用弯曲度检测角度曲线拐点,自适应地调节环路滤波器环路等效噪声带宽,并以此来控制角度跟踪环路。此算法加快了角跟踪误差的收敛速度,减轻了拐点处的角度滤波扰动,保持了滤波性能的连续性。计算机仿真结果验证了该文方法相比于卡尔曼滤波算法、粒子滤波算法、-- 滤波算法及恒定系数环路滤波器方法,对弱机动目标角度跟踪具有更加出色的性能。     

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法北大核心CSCD

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利用容积数值积分原则直接计算非线性随机函数的均值和方差,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。