交互式多模型算法在机动目标跟踪中的应用

文中首先介绍了目标跟踪的数学模型,然后研究了交互式多模型算法(IMM算法)的基本结构,最后应用IMM算法跟踪空中交通管制中的机动目标,通过仿真实例详细地分析了影响IMM算法的主要因素.仿真结果表明IMM算法可以有效地跟踪空中交通管制中的机动目标.     

密集回波环境下地面机动目标跟踪的UKF-VSMM-PDA算法

对地面机动目标进行跟踪，除了利用量测信息外，利用地形特征等信息也可提高跟踪性能。但这些非正态信息却可能导致较高的非高斯概率密度，文中将机动和多回波同时考虑，并充分利用了地形特征等信息，提出了UKF—VSMM—PDA算法。对密集回波环境下地面机动目标进行跟踪，仿真结果证明了该算法的优越性能。     

一种基于TDOA时差法声被动定位算法研究

文中用TDOA测量,提出了一种定位机动目标的最大似然-卡尔曼滤波算法.首先根据高斯牛顿法推导出最大似然估计实现对固定目标的静态定位,然后根据目标机动模型把得到的连续的固定目标位置估计作为卡尔曼滤波的观测输入实现对目标的精确定位.仿真结果表明这种算法有较好的定位跟踪效果.     

基于线谱瞬时频率估计的被动声纳目标运动分析

针对被动声纳探测目标,提出了一种基于线谱瞬时频率估计的目标定位跟踪算法。该算法通过利用声纳探测目标的跟踪波束信息,建立高精度瞬时频率跟踪提取与多特征联合的目标定位跟踪模型,完成对目标高精度多普勒频移信息的实时提取。基于多特征观测方程,实现了对目标的定位与跟踪。仿真实验和海上试验结果表明：该算法可在观测平台不机动情况下,完成对目标的快速定位与跟踪;在相同平台机动条件下,相比传统纯方位算法,该算法的要素解算性能更加稳定,解算收敛时间缩短约4 min,进一步增强了工程适用性。     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量，使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大，并且在转弯机动处，误差出现峰值．算法的平稳性较差；而在进行固定延迟平滑后，算法的跟踪精度有了明显的提高。     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于两坐标雷达和红外传感器的融合目标跟踪算法

利用雷达和红外传感器的观测信息及目标运动的特征信息，改善系统对机动目标的跟踪性能；并在雷达无法主动开机的情况下，应用测向测时差定位法，处理机动目标的无源定位问题，在此基础上，应用数据融合技术进一步提高系统的定位与跟踪精度。     

单机动目标跟踪精度分析

文中通过对两种经典跟踪模型的对比分析，讨论了模型和算法对跟踪精度的影响。另外对机动目标加速度协方差对跟踪精度的影响进行讨论。最后，对一种新的自适应滤波算法进行介绍。     

机动目标的多站无源定位延迟补偿算法

无源定位在目标跟踪领域的应用日益广泛,各测量站信息传输所带来的时间延迟对跟踪精度产生较大影响。基于卡尔曼滤波,设计了一种延迟补偿算法,对时间延迟所产生的跟踪误差进行补偿,以提高跟踪精度。同时,采用交互式多模型对目标的机动运动进行建模,以反映实际目标的运动特性。通过仿真验证了跟踪误差显著减小,证明了补偿算法的有效性。     

机动目标跟踪中自适应滤波算法的研究

文中对机动目标跟踪中的自适应滤波算法进行了研究,给出了一种适用于雷达导引头跟踪系统的修正的自适应卡尔曼滤波算法,通过全弹系统的数字仿真,对影响该算法滤波性能的各种因素进行了分析讨论.大量仿真结果表明该自适应滤波算法对于机动目标具有良好的跟踪性能和适应能力.