一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

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%。     

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。     

一种新的基于交互多模型的序贯重要采样算法

通过将交互多模型（IMM）算法和粒子滤波（SIS）算法结合，提出了一种新的IMM～SIS算法。在每个模型中，都有一个标准的粒子滤波器，模型之间的交互与传统的IMM一样。由于在新的算法中，每个模型中粒子滤波都保证固定数量的粒子，因此不会出现粒子退化和贫乏现象。仿真证明了新的IMM—SIS算法在收敛速度和精度方面都要优于传统的IMM—EKF算法。     

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。     

组网红外/雷达协同间歇式目标跟踪

为进一步提高组网火控雷达间歇跟踪系统性能,提出了基于组网的红外/雷达协同 间歇跟踪方法。该方法利用红外/雷达进行协同间歇跟踪,通过数据拟合对连续红外数据与 间歇雷达数据进行时间配准,并对配准后的数据进行压缩,然后采用集中式序贯滤波融合算 法对异类间歇数据进行融合,形成连续的目标跟踪航迹。仿真结果表明,与组网火控雷达间 歇跟踪相比,该方法能够得到更高的低截获性能。     

超低空拦截导弹武器系统的UKF-IMM目标跟踪算法

针对超低空拦截导弹武器系统的特点,提出了运用基于交互多模型的无迹卡尔曼滤波算法(UKF-IMM)对来袭目标进行状态估计的滤波方法.根据来袭目标的运动特点建立了特定的模型集,模型集由CV模型、比例导引模型和"当前"统计模型组成.每个模型分别采用UKF滤渡器进行滤波,UKF-IMM滤波器的输出为各滤波器状态输出的概率加权融合.仿真结果表明,该模型集能够概括超低空拦截导弹拦截目标的运动样式,模型之间切换迅速,滤波算法收敛速度快.运用UKF-IMM滤波算法能够实现超低空拦截导弹火控系统对来袭目标及时准确地跟踪.     

粒子滤波的目标跟踪算法研究与实现

通过已经获得的运动目标的先验特征点,以及基于这些特征点在各种噪声的干扰下多呈现非线性和非高斯的特点,我们可以利用粒子滤波的方法进行运动估计和跟踪。由于粒子滤波具有对非线性和非高斯的有效逼近的性质,获得粒子的后验概率分布,估计目标状态,实现目标的有效跟踪。为了有效避免粒子退化问题,采用累加权值、聚类算法并且引入高斯分布函数进行采样,保证粒子的多样性。经过程序测试,结果很有效。     

目标跟踪中的多模型算法发展综述

对目标跟踪中的多模型算法的形成与发展进行了回顾 ,指出了各阶段多模型算法的局限性 ,重点对当前多模型算法的发展方向进行了分析     

8 mm脉冲磁控管测云雷达测速多普勒化

8 mm磁控管发射样本中频信号的起始相位随机分布,脉间频率抖动范围为±2 MHz ,脉内频率变化为500 kHz。为了克服这些问题,提出了一种适合于国内第一套毫米波 脉冲 磁控管测云雷达的测速多普勒化算法,幅度信息从回波数字下变频经低通滤波器后直接提取 , 相位信息由零中频回波IQ信号与发射样本IQ信号进行复卷积提取,并算法仿真结果表明多 普 勒频率误差不超过4 Hz。基于FPGA技术实现了测速多普勒化算法,利用高速缓存的设计 思想 实现了复卷器的优化,利用CORDIC算法实现了幅度与相位的高精度提取,并完成了算法在实 际 雷达系统中的测试,雷达的脉冲重复频率为1 000 Hz,多普勒频率在-496～500 H z范围内,雷 达终端显示的速度值与理论值一致;回波信号幅度值为-76～6 dBm,得到的速度值 与理论值 一致。经过该算法处理的地物杂波回波的多普勒速度在零值附近分布,云体目标的回波速度 图清晰可见。该算法已经成功应用于8 mm脉冲磁控管测云雷达系统。     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时,为了提高航迹关联效率并改善非线性场景跟踪效果,提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling,PF-KIS)算法。首先,将航迹关联分解为聚类和指派,通过密度聚类筛选并整合有效目标,经过匈牙利指派得到目标和航迹的最佳匹配关系,避免产生多余联合事件,提高关联效率;其次,以卡尔曼滤波的结果作为粒子滤波的先验,使采样粒子分布更合理,提高估计精度,进而改善非线性跟踪能力。实验表明,算法平均航迹关联正确率约为95%;非线性场景误差约为卡尔曼滤波的1/2,有效地改善了非线性场景跟踪能力。     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时,仅依靠运动学信息不足以实现可靠的数据关联,而基于动目标指示器（Moving Target Indicator,MTI）雷达和电子支援措施（Electronic Support Measurement,ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules,PCR5）置信度量的数据关联策略,将目标运动学信息和属性信息结合做多特征推理,解决异类传感器数据的不确定性和不一致性;利用Dempster-Shafer（DS）证据理论方法进行属性融合更新,完成属性信息在时间序列上的相干积累,实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进,通过引入属性信息提升数据关联的正确性,从而提升跟踪性能,实现多源异类信息下的协同跟踪。仿真表明,相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案,该方法可有效提升跟踪精度和关联性能。