基于扩展Kalman滤波的双基地声呐目标轨迹跟踪

研究了扩展Kalman滤波理论,给出了双基地声呐系统的测距模型,推导了基于双基地声呐系统距离信息的目标轨迹跟踪方法,给出了扩展Kalman滤波算法的模型,并对算法进行了仿真研究,验证了给出方法的有效性。     

基于扩展Kalman滤波的双基地声Ⅱ内目标轨迹跟踪

研究了扩展Kalman滤波理论,给出了双基地声呐系统的测距模型,推导了基于双基地声呐系统距离信息的目标轨迹跟踪方法,给出了扩展Kalman滤波算法的模型,并对算法进行了仿真研究,验证了给出方法的有效性.     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

基于多尺度特征提取的Kalman滤波跟踪

针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Kalman滤波方程状态后验值提供了稳定的观测信号和观测残差.实验证明,这种作为约束条...     

单站目标被动跟踪的滤波器方法研究

为了实现对单站目标的被动跟踪,分析并比较了扩展Kalman滤波器和粒子滤波器在非线性估计方面的性能,并且针对粒子滤波器存在的粒子退化现象,引入改进的重采样算法和基于无迹变换的滤波算法.仿真实验分别比较了几种滤波器在目标做匀速、匀加速、变加速情况下距离和速度滤波的均方根误差,结果表明粒子滤波器滤波性能优于扩展的Kalman滤波器,改进的重采样算法和基于无迹变换的粒子滤波器可以有效改善估计精度.     

具有新目标函数的改进型变分贝叶斯

针对变分贝叶斯迭代运算中参数集分解所带来的问题,定义表观信息作为新的目标函数,提出了一种改进型的变分贝叶斯方法.该方法应用于线性高斯动态系统时,等价于Kalman滤波方法.推导过程还得出了Kalman增益的简化计算方程.     

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。     

道路约束在Kalman滤波中的应用

研究把道路约束引入Kalman滤波的新方法,分析了道路对过程噪声和目标速度的约束,给出了道路约束条件下目标的运动方程以及过程噪声方差调整的方法;将道路对目标速度的约束以伪测量的形式引入测量方程并给出了对应的滤波方程。两个不同场景的蒙特卡罗仿真结果验证了上述新算法带来的性能改善。     

视频流中的单向快速运动多目标可靠跟踪技术

提出了一种基于扩展Kalman预测方法的多目标跟踪技术,首先寻找多个目标的主运动方向,并向其垂直方向进行灰度累积投影,将相邻两帧的灰度累积投影结果进行配准,就可得到多目标的整体位移估计量,为配准提供数据支撑.同时,对视频流中同一帧的目标进行提取并获取中心点坐标,针对这些坐标建立扩展Kalman预测模型,实现可靠的帧间目标位移量预测,再通过后续匹配定位处理进行目标的精确定位及跟踪.该方法适用于有较高实时性要求的大量单向运动目标跟踪应用中.在基于图像处理的棒材在线计数研究中,使用该方法,解决了在传送带上的多支棒材目标的定位和跟踪难题,在相邻帧棒材存在相对运动的极端情况下,跟踪成功率大于99％.     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

A new multiple extended target tracking algorithm using PHD filter

A new multiple extended target tracking algorithm using the probability hypothesis density (PHD) filter is proposed in our study, to solve problems on tracking performance degradation of the extended target PHD (ET-PHD) filter under the nonlinear conditions and its intolerable computational requirement. It is noted that with the current Gaussian mixture implement of ET-PHD filter satisfying tracking performance could only be obtained under linear and Gaussian conditions. To extend the application of ET-PHD filter for nonlinear models, our study has derived a particle implement of ET-PHD (ET-P-PHD) filter. Our study finds that the main factors influencing the computational complexity of the ET-P-PHD filter are the partition number of measurement set and the calculation of non-negative coefficients of cells in partitions. With the pretreatment of measurements and application of a new K-means clustering based measurement set partition method, we have successfully decreased the partition number. In addition, a gating method for target state space, which is based on likelihood relationship between target state and measurement, is proposed to simplify the calculation of non-negative coefficients. Simulation results show that the algorithms proposed by our study could satisfyingly deal with multiple extended target tracking issues under nonlinear conditions, and lead to significantly lower computational complexity with tiny effect on tracking performance.     

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。     

Moving‐Target Tracking Based on Particle Filter with TDOA/FDOA Measurements

In this letter, we propose a moving‐target tracking algorithm based on a particle filter that uses the time difference of arrival (TDOA)/frequency difference of arrival (FDOA) measurements acquired by distributed sensors. It is shown that the performance of the proposed algorithm, based on the particle filter, outperforms the one based on the extended Kalman filter. The use of both the TDOA and FDOA measurements is shown to be effective in the moving‐target tracking. It is proven that the particle filter deals with the nonlinear nature of the moving‐target tracking problem successfully.     

基于联合似然函数的多扩展目标广义标签多伯努利滤波器

高分辨率雷达监视系统可观测到区域内不同形状的多个扩展目标,可靠的形状估计有利于提高扩展目标跟踪性能,并可作为战场态势评估的重要依据。该文针对不同形状多扩展目标跟踪问题,提出一种基于联合似然函数的广义标签多伯努利(JL-GLMB)滤波器,可实现目标数目、航迹以及形状的精确估计。首先,将目标形状建模为星凸集,并利用非线性量测变换滤波器更新GLMB分布中的高斯分量,有效提高扩展目标状态估计精度。然后,通过对数加权融合策略,构造联合似然函数,综合衡量扩展目标和量测单元之间的相似程度。最后,基于吉布斯采样,提出快速计算扩展目标状态后验概率密度的方法,有效提高数据关联的准确率和计算效率。仿真实验结果表明,所提滤波器能够有效估计不同形状的多扩展目标状态,且在杂波环境下具有稳定的势估计。     

一种水下被动目标纯方位跟踪方法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪的思路.该算法直接利用传感器获得的含有噪声的角度数据,通过改进极坐标系下的系统方程得到目标状态的后验概率分布,来估计目标的运动状态.仿真结果表明该算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法.     

对辐射源的被动跟踪算法研究

讨论了对辐射源进行被动测向时，用扩展卡尔漫滤波进行目标跟踪，并对目标机动进行判断的方法，在判断目标机动的前提下，用变维卡尔曼滤波完成对目标机动 过程的跟踪。     

基于扩展集员滤波与信息几何的机动目标跟踪

面对当前日益复杂的雷达跟踪目标和环境,广泛应用的卡尔曼滤波及其扩展类算法虽然能以较少的计算量得到较好的跟踪效果,但其要求过程噪声与量测噪声符合零均值高斯分布,否则会导致滤波发散。为解决系统状态及噪声未知但有界情况下的机动目标跟踪问题,介绍了一种扩展集员滤波机动目标跟踪算法,并辅以基于信息几何的跟踪性能监测处理。通过仿真分析验证了基于集员滤波与信息几何的机动目标跟踪边界约束性能及跟踪准确度较好,且能通过统计流形距离的变化来探测目标是否发生机动。     

基于角度划分的2D传感器三维跟踪定位算法

根据2D传感器的扫描特点和观测信息,建立了单站2D传感器对三维运动目标的观测模型,基于该模型提出了三维匀速运动目标的仰角参数化扩展卡尔曼滤波算法。此算法将传感器的仰角观测范围划分为若干个子区间,对各仰角子区间执行并行独立的EKF跟踪算法,并根据滤波结果动态更新各滤波器的权值,最后融合各EKF估计值得到最终的目标状态估计。计算机仿真结果证明了该算法在2D传感器对三维空间内目标跟踪定位时的有效性和优越性。     

扩展目标GMPHD滤波器的航迹维持算法

概率假设密度(PHD)滤波器提供了各目标在每个时刻的状态信息,但未形成航迹。该文提出了扩展目标高斯混合PHD(GMPHD)滤波器的航迹维持算法。首先对后验概率强度的每个高斯分量添加标签;其次在后验概率强度随着时间进行演化时,标签也随之演化;并通过航迹管理方案为扩展目标提供航迹。为提高GMPHD滤波器性能,提出了自适应的量测集划分法。最后通过仿真验证了提出算法的有效性。