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。     

改进的“当前”统计模型变采样率目标跟踪算法

为满足实际雷达系统对高精度和高实时性的要求,提出了一种改进的“当前”统计模型变采样率机动目标跟踪算法。该算法针对“当前”统计模型必须预设加速度极值和机动频率的问题,提出一种加速度方差和机动频率在线同步自适应方法,建立改进的“当前”统计模型机动目标跟踪算法;针对在线自适应方法计算量大的问题,结合采样周期的大小与目标机动特性的关系,引入变采样率方法。仿真结果表明,与传统“当前”统计模型相比,改进的“当前”统计模型机动目标跟踪算法能显著提高对不同机动强度目标的跟踪精度;变采样率方法通过减少采样点数,节省了系统资源,提高了跟踪实时性;所提算法将两者结合,用传统的“当前”统计模型1.5～2倍的平均采样周期得到了更小的位置均方根误差,实现了用单模型方法同时改善跟踪精度和实时性的目的。     

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。     

强跟踪Unscented滤波器及其在无源跟踪中的应用

本文研究用递推算法实现只测量到达角和多普勒频移的无源双基地雷达的目标运动分析。基于Unscented卡尔曼滤波器和强跟踪滤波器,提出了一种新的强跟踪Unscented滤波器算法。新算法在无源双基地雷达目标跟踪的仿真实验中显示了高精度鲁棒滤波的性能。     

多模型交互滤波在运动目标轨迹融合中的应用

分析了运动目标轨迹融合数据源的技术特点,在目标跟踪算法基础上,提出了多模型滤波的概念,同时建立了比较有效的数学模型,解决了目标高度机动情况下的目标跟踪问题。最后给出了多模型滤波效果的仿真演示结论。     

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。     

一种改进的粒子滤波算法

在粒子滤波中,防止粒子退化的两个关键因素是选择适当的采样建议分布和重采样算法.针对建议分布的选择条件,提出了一种改进的粒子滤波算法,该算法采用强跟踪扩展卡尔曼滤波方法构建其建议分布.强跟踪扩展卡尔曼滤波可在线调节参数,从而使得系统具有更好的自适应性和鲁棒性,对高机动目标具有更强的跟踪效果.仿真结果表明,该算法的性能优于其它几种非线性滤波算法.     

一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。     

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     

基于粒子滤波框架联合仿射和外貌模型的目标跟踪

针对视频序列中目标的跟踪问题,提出了一种基于粒子滤波框架 的联合仿射和外貌模型的目标跟踪算法。该算法首先提取图像帧之间的相关特征点,通过求 解Sylvester方程得到仿射参数,然后将仿射参数嵌入到基于仿射群的粒子滤波框架中进行 平滑估计。利用基于仿射群的一阶自回归过程模拟状态的变化,联合仿射特征点模型和外貌 模型进行似然估计,得到粒子的最佳平均状态,进而对目标实施跟踪。实验结果表明,在目 标经历姿势和尺度变化、遮挡以及复杂背景等情况下,提出的算法能够有效地跟踪目标,较 之其他相关算法具有很强的鲁棒性。