基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计.在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果.     

智能子弹对声目标CACEMD-VDAKF跟踪算法研究

为了研究智能反坦克子弹药(BAT)对声目标机动检测与跟踪的问题,推导了适合智能子弹药系统的MUSIC估计算法,并计算了声信号的空间方位谱及功率谱,提出了一种针对信号几何窗口的变量--当前平均改变能量(current average change energy,CACE),利用该变量推导了基于当前平均改变能量的机动检测算法,将此算法与机动目标跟踪变维自适应Kalman滤波模型相结合,得到了基于当前平均改变能量的机动检测与变维自适应Kalman滤波算法(CACEMD-VDAKF);通过半实物仿真实验,计算了目标在不同运动状态下的空间功率谱和方位谱,证实了该算法对声信号处理的可行性,MATLAB仿真结果验证了CACEMD-VDAKF算法对二维声目标跟踪的有效性及稳定性.     

自适应模糊逻辑的多模型跟踪

为了克服基于"当前"统计模型的交互式多模型算法难以恰当地确定当前模型的概率,以及系统参数amax和a-max在跟踪过程中不能自适应调整的缺点,提出了一种基于自适应模糊逻辑的多模犁跟踪算法.介绍了基于"当前"统计模型的交互式多模型算法,给出了算法的基本步骤.在"当前"统计模型算法基础上,提出了一种基于自适应模糊逻辑的多模型跟踪改进算法,采用模糊推理给出了模型的选择概率,以提高跟踪的速度;同时,采用蚁群算法对设计参数进行优化,以提高跟踪的精度.最后,将所设计的基于"当前"统计模型的多模型改进算法用于机动目标的跟踪仿真.实验结果表明:改进的算法使得跟踪精度提高了20%左右,机动目标跟踪一次仿真时间为0.047 s,基本满足高速、高精度跟踪目标的要求.     

一种带渐消因子的自适应“当前”统计模型

光电经纬仪对目标跟踪时,目标突发机动时的跟踪效果较差.为此设计了一种带渐消因子的自适应"当前"统计模型.引入渐消因子增强其对突发机动的自适应跟踪能力和其鲁棒性,改进的"当前"模型改善了普通"当前"模型对一般机动目标的跟踪性能.仿真结果表明,和一般"当前"统计模型算法相比,本文提出的算法明显提高了对目标突发机动的跟踪性能.     

基于视觉的机动目标定位跟踪的滤波算法

在视觉定位系统中，由于各种噪声的影响，运动目标的三维位置和姿态的计算精度受到一定限制。为了提高运动物体的定位跟踪精度，提出了一种有效的滤波算法。和已有的方法相比，这种算法具有以下两个特点：第一，不再局限于平缓运动的物体，它对于未知运动规律的机动目标同样有效，第二，由于避免了扩展卡尔曼滤波器的使用，滤波复杂度有所下降。通过分析噪声对位姿计算误差的影响，建立了一组描述位姿测量值和真实值关系的线性测量方程。然后，分别给出了两种滤波算法：基于有限记忆的检测自适应滤波和基于数值微分模型的卡尔曼滤波。在检测自适应滤波算法中，给出了分别适用于快机动和慢机动的最优机动检测函数。一旦检测出机动发生，系统采用有限记忆滤波进行矫正。在第二种滤波算法中，系统采用数值微分技术构造出了描述机动目标运动行为的鲁棒估计模型。并且，引入了衰减因子，以防止滤波器的发散现象。该衰减因子可以根据位姿计算值自适应估计。最后，通过伪贝叶斯估计算法，将两种滤波器进行数据融合，有效的降低了机动时刻位姿估值的误差抖动，进一步提高了定位跟踪精度。仿真结果验证了本算法的有效性。     

光电跟踪系统纯角度滤波器的设计

为了在不增加硬件的条件下改善光电跟踪系统的性能,提出了仅基于目标角度信息的状态估计方法,设计了纯角度跟踪滤波器.首先,分析了带有激光测距仪的红外跟踪系统的工作机理;针对目标机动性特点,建立了球坐标系下目标的“当前”机动模型.然后,针对纯角度跟踪过程中高频图像序列存在复杂噪声干扰的问题,采用集员估计的方法对目标状态模型进行了补偿和调整,并在此基础上设计了自适应椭球滤波算法.最后,以舰载光电跟踪系统对来袭目标的跟踪为例进行了仿真.对比实验结果表明,对于复杂噪声条件下的强机动目标,在激光测距仪回波率为50％的情况下,利用基于自适应椭球滤波算法的纯角度滤波器进行辅助跟踪,可以实现方位(俯仰)角度估计均方差≤0.6 mrad的稳定跟踪,效果显著优于传统滤波方法,具有良好的工程实用价值.     

基于自适应模糊逻辑的多模型跟踪算法

针对基于“当前”统计模型的交互式多模型算法，难以恰当地确定当前模型的概率以及系统参数 和 在跟踪过程中不能自适应调整的缺点， 采用自适应模糊推理的方法进行改进以提高跟踪的快速性。同时应用蚁群算法对设计参数进行优化，以提高跟踪的精度。最后将所设计的基于“当前”统计模型的多模型改进算法用于机动目标的跟踪仿真，仿真结果表明所设计的改进算法是有效的。     

利用自适应卡尔曼滤波实现光电跟踪中的复合控制

为了在光电跟踪控制系统中实现复合控制以提高跟踪精度,构建了基于模型自适应卡尔曼滤波算法的复合控制结构。首先,利用跟踪脱靶量数据和仪器位置数据合成目标角位置数据;然后,利用模型自适应卡尔曼滤波算法对目标角位置数据进行滤波估计以获得目标角速度信息;最后,将目标角速度信息前馈到速度回路,从而构成复合控制系统。实验结果表明:采用复合控制结构后,目标跟踪精度提高了50%。基于模型自适应卡尔曼滤波算法的复合控制技术能够在保持原反馈控制系统稳定性的条件下提高跟踪精度。     

多传感器数据融合机动目标跟踪算法

机动目标的运动特性具有复杂性、多变性、无先验性.多传感器信息融合的机动目标跟踪问题可以描述为数据关联和状态估计两个相关功能的最优化问题.本文分析了运用于多传感器数据融合机动目标跟踪的数据关联和状态估计算法,得出了高效费比的模糊数据关联算法(FDA)和变结构多模算法(VSMM).此外,并分别介绍了模糊数据关联算法和相似模型集的变结构多模算法.将模糊数据关联算法和变结构多模算法结合起来,从而提高对机动目标跟踪的性能.     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

Adaptive internal model guidance law for weaving maneuvering target

For the terminal phase guidance problem of the missile intercepting weaving maneuvering target, an adaptive internal model guidance laws in the three-dimensional (3-D) engagement space is proposed in this paper. The guidance law adopts the disturbance rejection theory by treating the target weaving maneuvering accelerations as external disturbance, which comprises of nominal part and adaptive part. The nominal part based on feedback linearization method ensures the whole guidance system stable and the adaptive part based on internal model principle is used to recover the disturbance signals on-line to reject the target maneuver asymptotically. The algorithm guarantees the whole guidance system with satisfying performance both in transient and steady state on the effect of target maneuver on guidance system. The stability analyses and theory proof are provided in this paper. At last, numerical simulations are carried out to illustrate the effectiveness of the proposed guidance law.     

一种改进的交互式多模型粒子滤波算法

在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。     

红外传感器跟踪目标滤波算法探讨

概率数据关联滤波器(PDAF)算法用于杂波环境下时,目标跟踪存在跟踪机动目标能力低,位置误差大,协方差也大等问题;为了解决这些问题,在PDAF算法的基础上,提出了定向概率数据关联滤波器(DPDAF)算法;在不改变PDAF滤波算法的情况下,通过引入目标预测的夹角,在PDAF中增加检测方向,通过修改PDAF的似然函数,从而得到DPDAF算法;最后通过计算机仿真,DPDAF算法跟踪机动目标的能力高于传统的PDAF算法,提高了算法的跟踪性能。