一种单站纯方位目标跟踪中的线性近似化滤波算法

针对EKF算法中存在初始化困难的缺陷，利用近似线性化的方法，构建基于修正极坐标系下的近似线性最小二乘滤波算法ALF；以ALF作为EKF滤波器的初始化算法，实现联合ALF和EKF的两阶段滤波算法，并将它应用在水下单站纯方位目标跟踪中。仿真结果表明，由ALF和EKF组成的两阶段滤波算法具有很好的稳定性，算法精度较高，是一种有效的算法，对潜艇实施隐蔽探测与跟踪具有重要意义．     

规避目标的纯方位被动跟踪

构造了基于笛卡耳曼滤波器的改进极坐标扩展卡尔曼跟踪滤波器。提出了应用于方位角测量的规避目标的跟踪算法，对提出的算法进行了相应的仿真实验。仿真结果表明，该算法非常适合于规避目标的纯方位跟踪，具有很好的工程应用前景。     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题，提出了一种修正极坐标系下的自适应卡尔曼滤波算法，对虚拟系统噪声进行估计，动态补偿模型线性化误差，对其滤波理论及算法进行了研究和仿真．仿真结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法．     

一种纯方位跟踪中的在线式伪线性算法

针对伪线性参数估计不能进行实时状态跟踪的问题，讨论了一种新的在线式的伪线性跟踪算法．对算法的实现过程进行了推导，并应用于纯方位目标的跟踪问题中．仿真结果表明，与传统累积形式的伪线性跟踪算法相比，该算法在保证一定精度的同时，能够降低每个估计时刻的计算量，减少计算占用的资源，是一种有效的算法．     

直角坐标系下的水下被动目标跟踪自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散，导致滤波精度很差的情况，文章中提出了一种直角坐标系下自适应卡尔曼滤波算法，对虚拟噪声进行了估计，动态补偿观测模型的线性化误差，削减系统的观测误差，并对其滤波理论及其算法进行了研究和仿真，结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法。     

一种方位交叉目标跟踪算法

针对在声呐多目标跟踪过程中，存在的交叉运动目标易失跟的问题，提出了一种将互谱法和卡尔曼滤波相结合的算法。计算机仿真及测试结果表明，该算法利用圆柱阵的两个机动波束的输出可以稳定地跟踪两个交叉运动目标．     

使用辅助变量的单静止站纯方位目标跟踪

利用现时刻之前的方位测量构造现在方位的预测值，形成了与现在测量方位在统计上独立的辅助变量，该辅助变量用以对拟线性估计算法的修正，能产生无偏的目标参数估计。     

纯方位目标运动分析可测性研究

纯方位被动目标运动分析在理论上和实际上匀有许多应用,为了保证本艇有唯一的跟踪,必须研究目标运动分析的可测性问题,文章利用线笥代数的基本方法,获得了一个新的可测性准则,随后应用在经典的目标运动分析问题中,研究表明,该方法是切实有效的。     

基于被动式传感器的目标跟踪算法研究

仅有角度量测的被动式单传感器跟踪搜索系统有广泛的应用前景,但现有的针对性跟踪算法并不能很好的处理实际问题,失跟现象常常发生。本文对现有算法所存在的问题进行了深入研究,并提出了相应的改进算法。通过对机动目标运动分析,总结出角度向量在时间域中的变化规律,通过引入新的计算向量,对原算法残差计算进行了修正。它对基于单个被动传感器的纯方位跟踪问题的处理提供了新的思路。仿真实验及实际应用已证明了该算法有效性。     

仅有角度观测信息情况下目标机动自适应跟踪算法研究

针对光电目标跟踪问题中纯角度跟踪的特点,提出了纯角度目标的机动自适应跟踪算法.该算法采用机动目标“当前”统计模型描述目标的运动特性,根据强跟踪滤波器的思想通过实时检测滤波器的残差信息确定目标的机动变化情况,进而调整“当前”统计模型中表征目标机动特性的参数(机动频率和随机加速度分布的极值),使得运动模型更加符合目标的机动...     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

一种用于电视跟踪系统中的多模式数据融合方法

基于单传感器多模式数据融合的思想,设计了一种联合卡尔曼滤波器。通过卡尔曼滤波分 散处理多个模式跟踪结果数据,再将处理结果进行全局融合得出跟踪最终结果。仿真和室内实验都表明,这种方法用于实时电视跟踪系统中可有效提高跟踪精度,融合后的均方误差是融合前的0.05倍,具有一定的容错能力,运算量小,且易于实时实现。     

基于有限范围自适应卡尔曼滤波的结构损伤识别方法

在土木结构的健康监测中,当破坏发生时能够立即对结构的损伤做出判断和评估是一项非常重要的工作.本文采用了一种基于广义卡尔曼滤波的自适应追踪技术对结构的参数进行辨识.该方法能够追踪结构的时变参数,并对结构损伤的位置、大小以及发生的时间做出判断.数值仿真的结果表明该方法对于线性和非线性结构的参数变化具有敏感性,能够有效地检测出结构的损伤.     

双子阵被动跟踪系统

文章介绍一种用于水下机动目标测量的双子阵被动跟踪系统,介绍了双子阵定位原理和系统构成,提出了广义相关时延估计方法、时延值滤波方法和卡尔曼弹道滤波器,该系统能方便地进行水面或水下机动目标的跟踪测量。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

一种新的红外与可见光图像融合与跟踪方法

多传感器图像融合技术在目标检测与跟踪领域中有广泛应用。提出了一种红外与可见光图像的新颖的特征级融合与运动目标跟踪方法。将目标轮廓用动态轮廓线表示,在目标跟踪过程中对于两类模式图像中的目标轮廓控制点向量,利用 B 样条形状空间模型将目标轮廓的特征级融合转换为控制点向量差的 L2 范数平方极小化。这种方法不需要图像配准,降低了融合的计算复杂度。同时,使用了自适应 Kalman 滤波技术,提高了动态轮廓线特征搜索的准确性。对比跟踪实验表明,融合后可见光图像的平均跟踪误差减小了 56.96%。