MHT算法在航迹关联中的应用

为了将水下航行器探测目标过程中出现的混淆的目标点迹进行有效分离,将基于卡尔曼滤波的多假设跟踪算法应用于多目标的航迹关联.介绍了多假设算法的基本流程和原理:假设的产生、概率计算和假设剪除,并进行数值仿真.仿真结果表明:多目标跟踪算法能够有效解决"量测-目标"数据关联问题,并且能在较短时间内确认目标航迹.     

径向长度特征辅助的多目标数据关联算法

多目标跟踪技术的核心问题是数据关联,传统的数据关联算法采用空间距离最邻近的方法,在回波密度较大时容易发生误跟;特征辅助数据关联算法是多目标跟踪技术的发展趋势,通过融合目标运动学信息和特征信息,可以增加目标的信息维数,提高关联正确率。提出利用目标径向长度信息辅助最近邻算法,并在建立的场景中与传统的最近邻算相比较,结果表明该算法可以有效的增加近距离平行目标和交叉目标的正确关联次数,从而提高了多目标数据关联算法的性能。     

基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别

为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度（PHD）滤波的多目标跟踪与基于无迹Kalman滤波（UKF）的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型（匀速直线与匀速转弯模型）,针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联，应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法，把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数，修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

模糊多属性决策在多目标跟踪目标优选中的应用

由于海洋环境的复杂性和水声信道的特殊性,多目标跟踪过程中的目标优选一直是水声信号处理领域的突出难题。目标优选是目标分配的重要依据,必须综合考虑目标的多种特征信息。文中针对水下声自导系统,对影响目标优选的各种因素进行了分析,提出了目标优选指标体系,确定了各种特征因素的权重,并以多属性决策方法证实了指标体系和权重确定的正确性,能有效地提高水下声自导系统的作战效能。     

基于纯方位角测量的水下目标被动跟踪技术

水下目标的被动跟踪技术在军事上具有重要的应用价值,为了解决基于纯方位角测量的水下目标被动跟踪技术在实际应用中的问题,研究了几种适合于单、双观测站的水下目标被动跟踪算法.分别对伪线性估计算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法在不同参数情况下的性能进行了详细的仿真与分析.仿真结果表明,静止单观测站虽不能获得目标的完全观测,但是在具有一定先验信息的情况下,伪线性估计算法也可以实现对目标轨迹的估计;双观测站可以获得对目标的完全观测,并且在观测方程严重非线性的情况下,无迹卡尔曼滤波方法的性能要优于扩展卡尔曼滤波方法.仿真结果对工程应用具有重要的参考价值.     

水下弱目标跟踪的深度学习方法研究

针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差,导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题,为此提出一种基于神经网络的目标跟踪方法,利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练,有效解决水声目标数据少、标记样本不足的问题;在量测不连续条件下,提出一种新的损失函数用于增强目标跟踪模型的稳健性;对未学习的仿真数据及实测海试数据进行测试。研究结果表明：构建的卷积神经网络(Convolutional Neural Network, CNN)模型适用于3种不同运动模式下的目标,能在平台静止和运动两种情况下稳定跟踪目标;CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°,验证了该模型的稳健性和可推广性。     

基于卡尔曼滤波水下弹道测量系统研究

水下弹道测量系统利用多传感器完成对鱼雷、靶标的跟踪定位．针对通常的几何定位方法,其算法复杂且定位精度不高的问题,研究了用于水下弹道测量系统的纯距离目标跟踪定位卡尔曼滤波算法,推导了相应的滤波公式．通过系统的仿真结果表明：该算法在收敛速度和估计精度方面都比较令人满意．     

基于抗原进化的免疫算法

基于抗原进化的免疫算法,分析描述问题对应的抗原,产生初始抗体群,计算抗体浓度比率和抗体繁殖率值,获得时间尺度上最佳抗体.以机载雷达多目标跟踪测向数据优化处理为例,其偏差为抗体进化,当满足收敛条件,输出此时数据,再以目标继续运动时刻的信息为抗原,优化搜索目标,实现目标的可靠分辨和有效截获.     

图像序列中多目标跟踪方法

介绍了一种以目标形心位置和帧间位移测量的多目标跟踪方法。当目标在传感器视场中交叉运动,图像相互重叠时,得到由两个目标形心位置线性组合的融合后的图象测量方程。图像的重叠导致状态估值误差的相互依赖性,利用联合测量耦合滤波器对两个目标进行状态估值,并提出了改进的滤波模型。仿真结果表明,该算法能实现对交叉运动目标进行精确跟踪。     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

基于广义相关法的分布式多传感器多目标跟踪算法研究

为了进一步解决多传感器多目标跟踪问题,基于广义相关法的思想,利用多传感器分布式结构构成了一种新的多传感器多目标跟踪算法,即分布式多传感器广义相关算法,并在两种典型的仿真环境下从均方根位置误差、算法循环平均周期耗时和错误关联概率三个方面对其进行了性能分析、仿真验证,分布式多传感器广义相关算法能够很好的解决多传感器多目标跟踪问题.     

弹道目标跟踪的自适应多维分配相关算法

研究了弹道目标防御雷达的多目标跟踪数据关联方法,提出了一种弹道目标跟踪的自适应多雏分配相关算法.在对多传感器探测覆盖区域进行分区处理的基础上,进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的多维分配相关算法进行相关处理,分析了多维分配算法存在的问题,给出了算法实现的伪代码.仿真实验结果表明,利用该算法能够很好地跟踪弹道目标.     

一种改进的水下运动目标远航程导航定位方法

当前水下运动目标定位主要采用船载水听器基阵-声信标跟踪定位方法和船拖水听器基阵-声信标跟踪定位方法,但这两种方法存在跟踪定位精度较低、实施难度大以及设备维护修理困难等问题。基于此,提出了采用水下目标加装光纤陀螺仪-差分全球定位系统(DGPS)组合制导技术,以实时测量、记录水下目标的航行姿态、航行速度和位置坐标,通过编码把目标的位置坐标数据实时转换为同步水声多频多脉冲时延编码信号发射,利用船拖水听器测量水声多频多脉冲时延编码信号,通过船载基站实时解算,从而实现指引测控船完成远航程水下目标的实时跟踪、定位、监测任务。试验结果表明,该方法可有效实现对远航程水下目标的跟踪定位和实时监测。     

未知海流干扰下自主水下航行器位置跟踪控制策略研究

针对存在参数不确定性的欠驱动自主水下航行器 (AUV)水平面位置跟踪控制问题,基于李雅普诺夫理论,利用反步法设计了一种非线性控制器。利用自适应控制技术对模型本身不确定性进行补偿,同时引入自适应模糊控制技术对非线性控制器进行优化;设计了一种针对于缓慢未知时变海流的指数收敛观测器,并利用李雅普诺夫稳定性理论证明了整个AUV闭环控制系统的稳定性。针对一种新型飞翼式欠驱动AUV进行数值仿真,结果表明所设计控制器可以准确地对期望轨迹进行跟踪,证明了其有效性和鲁棒性。     

双基阵纯方位水下被动目标的跟踪算法

双基阵纯方位水下被动目标的跟踪算法,以带拖曳阵声纳的潜艇为模型,将双基阵跟踪转化为随机跳动的特殊单基阵跟踪.当潜艇利用双基阵进行目标跟踪时,把双基阵跟踪等效成单站跟踪,再采用伪线性估计器对目标的运动要素进行解算.仿真结果表明该方法对目标和潜艇的运动态势有很强的适应能力.     

水下目标的无源定位和融合技术研究

针对水下机动目标的无源定位和跟踪问题。先运用测向定位和时差定位相结合的思想。给出来自水下机动声源目标的定位解；然后在此基础上，将多部被动声呐在各个状态时刻所定位的含噪声数据视为一冲击扰动序列，对其应用缓冲算子作用。以弱化其随机性。最后，再对缓冲算子作用后的扰动序列进一步应用数据融合技术来改善和提高定位系统的跟踪精度。仿真结果表明，该方法是有效、可行的。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

雷达/红外复合导引头信息融合技术研究

多模复合寻的制导技术已成为精确制导武器的发展方向,采用雷达/红外双模制导模式,可有效提高制导系统的精度。多传感器数据融合技术是双(多)模寻的制导的关键技术之一。对雷达/红外复合导引头数据融合研究现状进行了讨论,包括目标跟踪融合的关联和估计、数据对准、航迹关联、航迹融合、目标识别;并讨论了这些算法的基本原理、相关技术及方法、存在的问题和研究方向。