一种基于"当前"统计模型的自适应滤波算法

针对机动目标跟踪问题 ,在“当前”统计模型的基础上 ,利用机动加速度与方差的自适应关系 ,提出了一种新的自适应滤波算法。大量仿真结果表明 ,该算法在跟踪机动目标时 ,具有良好的跟踪性能。     

机动目标自适应高斯模型与跟踪算法

提出了一种描述机动目标运动状态的自适应高斯模型，在这种模型中，机动目标的加速度被认为是具有非零均值、时间相关的随机过程，并假定其概率密度函数服从高斯分布。指出了机动目标运动模型的均值和方差与目标机动加速度最佳当前估计值之间的关系，在此基础上，提出了相应的自适应卡尔曼滤波算法。仿真结果表明，该算法对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪效果，且所需计算量小。     

机动目标跟踪的一种变维交互改进算法

为了满足工程需要,结合变维卡尔曼滤波器和α－β算法的优点,提出了一种卡 尔曼和α－β变维交互替代目标跟踪算法。通过加入机动检测器监视机动,在目标发生 机动时,采用高阶维数模型和卡尔曼滤波器;机动消失后,退回到低阶维数模型和α－β 滤波器,从而实现了对机动和非机动目标的自适应跟踪,克服了因转弯机动引起的误差突 跳,并显著地减少了计算量。通过Monte Carlo 仿真进一步验证了改进算法的合理性和实 用性。     

基于射频隐身的采样周期和辐射功率控制方法研究

为进一步提高雷达的射频隐身能力,合理分配相控阵雷达的工作参数,在目标跟踪时,对雷达的采样周期和辐射功率控制方法进行研究。首先,根据目标运动状态的不同,对雷达采样周期与辐射功率自适应设计方法进行分析,在满足系统跟踪性能要求的前提下,建立了控制参数的优化模型;然后,利用粒子群算法优化自适应采样周期和自适应辐射功率等参数,有效地降低了跟踪性能误差,提高了雷达系统的射频隐身性能。与传统的雷达采样周期和辐射功率算法进行了仿真比较,结果表明所提的算法取得了较好射频隐身效果。     

基于ADS-B趋势信息的民航飞机跟踪算法

为了有效提高飞机的跟踪精度,获得准确的飞机监视信息,针对民航飞机运行 的特点以及ADS-B信息的特征,充分利用ADS-B趋势信息报告和当前统计模型的优点,提出了 一 种基于ADS-B趋势信息的当前统计模型改进算法。该算法能够将直线运动和转弯机动飞行中 的跟踪误差都稳定在60 m左右,证明了该算法适用于所有飞行阶段,提高了当前统计模 型跟踪算法的精度和适用性。     

基于地理信息的地面运动目标跟踪方法

为了提高地面运动目标跟踪精度,提出了基于地理信息约束的变结构交互多模(VS-I MM)的目标跟踪算法。通过建立地理信息系统约束地面目标运动状态,并利用目标转弯曲线 模型确定滤波器中机动目标的时变运动模型集,采用地理信息约束的变结构交互多模算法可 更符合实际进行地面目标机动跟踪。针对机场地面机动目标的仿真结果表明,给出的地理条 件约束的目标跟踪算法比现有交互多模算法具有更好的性能。     

一种改进的基于当前统计的α-jerk目标机动模型

提出了一种改进的基于当前统计的α-jerk目标机动模型,它假设当目标在某一时刻 发生机动时,其下一时刻发生机动的取值是有限的。因此它在建立目标机动的运动模型时, 就没有必要考虑机动的所有值。为提高对机动目标的位置跟踪精度,采取了在传统α-jerk 目标机动模型的基础上增加一项目标机动的均值,即对目标急动进行非零均值建模,并和α -jerk目标模型仿真对比,仿真结果表明,新算法不仅能够实时估计参数α的值,而且与α -jerk目标机动模型相比,其收敛速度更快,对目标位置的状态估计更精确     

一种改进的交互多模型算法

针对交互多模型(IMM)算法对目标加速度估计误差较大的不足,提出了一种改进的交互多模型算法,通过对交互多模型输出的加速度信息进行均值滤波提高对加速度估计的精度.计算机仿真表明,与交互多模型相比,该方法对匀速目标特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

基于IMM-EKF的高动态“北斗”导航信号频率估计算法

高动态环境下的“北斗”导航信号含有较大的多普勒频率及其变化率，传统锁相环（PLL）在跟踪时难以保证较高的跟踪精度。在分析高动态环境下“北斗”信号模型的基础上，提出了一种基于交互式多模型-扩展卡尔曼滤波（IMM-EKF）的自适应滤波算法，对载波相位及其高阶分量进行估计。IMM-EKF采用多个跟踪模型来解决滤波过程中单个模型不准确的问题，并结合改进的Sage-Husa自适应算法，在线估计和修正过程噪声及测量噪声的统计特性，增强了滤波的稳定性。仿真结果表明，IMM-EKF相比于PLL和EKF，估计精度更高，算法稳定性更强。     

基于帧间相关性的自适应采样率分块视频压缩感知

针对现有基于自适应采样率的分块视频压缩感知方案的单帧总采样率不可控的问题,提出了一种新的自适应采样率分配方案。首先,对当前帧图像块进行固定预采样;然后,根据预采样的测量值来估计图像块的变化程度,并计算该图像块与当前帧图像的复杂度比例;接下来,根据复杂度比例分配图像块自适应采样率,并将固定预采样及自适应采样的测量值合并为最终测量值。实验结果表明,与固定采样率算法相比,提出的方案在相同采样率下可获得1 dB左右的峰值信噪比增益。所提方案可获得高质量的重构图像,且总采样率可控,因此增强了自适应采样分块视频压缩感知方案的有效性和实用性。     

一种改进重采样的粒子滤波算法

粒子滤波算法中重采样是解决粒子退化的一种重要方法,但重采样会导致粒子多样 性的损失。针对这一问题,对基本重采样算法进行了改进。改进算法首先按基本重采样思想 找到权值大的粒子进行复制,然后借鉴遗传算法进行交叉和变异操作,其中变异由变异尺 度因子和粒子集的均值来实现。利用改进重采样的粒子滤波算法对经典纯方位目标跟踪问题 进行了仿真,仿真结果表明,改进算法具有更好的跟踪精度。     

一种基于扩展卡尔曼滤波的方位跟踪算法

介绍了基于扩展卡尔曼滤波的TACAN导航方位跟踪算法，并对该算法进行了计算机仿真。仿真结果表明，该算法在匀速运动和机动情况下，均具有良好的跟踪性能。     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中，系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪，通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题，提出了一种基于预测值的量测转换方法，并将其与卡尔曼滤波算法相结合，获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明，与现有的基于量测转换的卡尔曼滤波算法相比，该算法能在不提高运算量的情况下有效改善目标跟踪效果，跟踪精度提升约20%。     

基于ADS-B意图信息的航迹预测改进算法

在飞行冲突探测和恶劣天气情况下,单纯利用跟踪滤波算法无法准确判断目标飞机未来的飞行动态。为了有效提高航迹预测精度,针对广播式自动相关监视（ADS-B）信息中意图信息对航迹的影响,提出了一种基于ADS-B意图信息的航迹预测改进算法。该改进算法先通过残差均值交互式多模型（RMIMM）算法,推算出目标飞机的飞行状态参数和飞机运动模式,再结合天气状况、飞行计划和空中交通管制规章进行意图估计,最后通过飞行状态参数、飞机运动模式以及意图信息共同预测目标飞机的航迹。运用蒙特卡洛方法进行仿真,结果表明,与现有算法相比,该改进算法不仅能提供更加精确的航迹预测,而且降低了意图推断的时间延迟。     

用于步进频连续波雷达旁瓣抑制的自适应CLEAN技术

为了解决步进频连续波雷达中的强目标距离旁瓣掩盖弱小目标问题,对步进频自适应脉压算法(SFCW-RMSMIL)进行修正,并联合修正SFCW-RMSMIL算法和CLEAN技术,提出了一种新的自适应CLEAN算法（A-CLEAN）。该算法解决了弱小目标能量严重压制问题,同时还能精确估计各目标的幅度和位置,提高了雷达对弱小目标的检测能力。最后利用仿真数据、实测数据以及蒙特卡洛实验验证了新提出的A-CLEAN算法的有效性和实用性。