基于声强向量法的体积目标被动跟踪和尺度估计

根据体积目标的几个特定部位的辐射噪声特性的不同，应用声强向量方法对它们进行观测，然后，应用卡尔曼滤波器对它们进行跟踪，并实现目标纵向尺度的估计。仿真结果表明：本文方法能在理想模型条件下实现体积目标的各个特定部位的良好跟踪并能完成目标纵向尺度的估计；即使在某一部位不可观测的条件下，该方法也可较好地实现对各个部位的跟踪和目标纵向尺度的估计。

基于集合Kalman滤波的目标被动跟踪系统

针对传统的目标被动跟踪技术计算量大和滤波不稳定的问题,引入了基于集合预报思想的集合Kalman滤波算法,联合利用到达角和多普勒频率信息实现机动目标被动跟踪,探讨了不同条件下集合成员的数量和初始集合的差异对目标被动跟踪性能的影响。仿真结果表明,集合Kalman滤波能够应用到目标被动跟踪系统中,并且跟踪性能更好。

一种多基阵机动目标被动跟踪算法

由多部声纳基阵获取的方位信息对水中机动目标的跟踪实质上是一个非线性状态估计问题,文中首先依据各基阵的方位信息,采用最小二乘法得到目标位置在各采样时刻的初步估计,然后将其作为测量值用于交互多模型算法(IMM)并结合线性卡尔曼滤波(KF)得到目标运动速度和轨迹,避免了应用非线性估计算法直接进行多个方位数据融合过程中存在的各种问题。仿真结果表明这一算法简便,与双基阵纯方位机动目标被动跟踪相比具有较快的收敛速度和较高的跟踪精度。

单站目标被动跟踪的滤波器方法研究

为了实现对单站目标的被动跟踪,分析并比较了扩展Kalman滤波器和粒子滤波器在非线性估计方面的性能,并且针对粒子滤波器存在的粒子退化现象,引入改进的重采样算法和基于无迹变换的滤波算法.仿真实验分别比较了几种滤波器在目标做匀速、匀加速、变加速情况下距离和速度滤波的均方根误差,结果表明粒子滤波器滤波性能优于扩展的Kalman滤波器,改进的重采样算法和基于无迹变换的粒子滤波器可以有效改善估计精度.

基于概率假设密度滤波的水下多目标被动跟踪

针对水下多目标跟踪过程中存在多种干扰因素,如噪声污染、杂波环境、量测数据处理等,本文将概率假设密度滤波应用到水下目标跟踪领域。首先,在单目标匀速运动场景下,提出一种二维搜索法,探究目标估计的均方根误差随2个被动声呐距离和目标初始链距取值变化的规律,为后续目标跟踪中参数选取提供参考。接着,对于多目标编队航行和航迹交叉的运动场景,分别探究目标间距和量测噪声对目标跟踪性能的影响。仿真结果表明,二维搜索法能够有效指导算法参数选取,并且所提算法具有目标数和目标状态估计精度良好的优点。

目标被动式跟踪评述

首先介绍了目标被动跟踪的发展状况 ,然后按照不同的量测源分别对现有的被动跟踪方法进行讨论 ,并给出了各种方法的适用范围和各自的优缺点。最后试探性地给出目标被动跟踪的发展趋势 ,及其需要解决的重点、难点问题。

双基阵纯方位水下被动目标跟踪性能仿真分析

研究了基于纯方位信息的双基阵声纳信息融合的跟踪性能,并进行了详细的仿真实验。仿真结果表明,在平台-目标相遇这种较为常见的态势下应用扩展卡尔曼滤波可以快速、稳定地完成目标运动要素的估计,同时还揭示了平台与目标运动的几何态势对跟踪性能的影响,为工程应用提供了参考。

混合坐标下的卡尔曼滤波应用于水下被动目标跟踪

针对水下被动目标跟踪数据率低、跟踪误差大的特点和难点 ,研究了混合坐标下的自适应推广卡尔曼滤波算法 ,并将其应用于水下被动目标跟踪估计器设计。该算法充分应用了直角坐标系下动态方程的线性特性和极坐标系下测量方程的线性特性 ,针对两坐标体系间协方差矩阵变换的近似 ,引入了虚拟噪声进行补偿。通过系统的 Monte Carlo仿真结果表明

基于衰减记忆滤波的平方根UKF被动目标跟踪算法

针对被动目标跟踪的非线性和弱可观性的特点,并结合导致滤波器发散的两大因素,即模型误差和计算误差,提出了一种基于衰减记忆滤波的平方根UKF算法,利用衰减记忆滤波和平方根滤波来分别克服模型误差和计算误差引起的滤波发散,增强了系统的稳定性并提高了跟踪精度。仿真结果表明,该算法确实提高了滤波的稳定性,其跟踪精度优于扩展卡尔曼滤波EKF算法和无迹卡尔曼滤波UKF算法,收到了良好的效果。

自适应Kalman滤波器在水下被动目标跟踪中的应用

在水下被动目标跟踪系统中 ,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。提出了一种修正极坐标系下的自适应卡尔曼滤波算法 ,对虚拟噪声进行估计 ,动态补偿模型线性化误差 ,消减系统的观测误差 ,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。

卡尔曼滤波在被动目标跟踪系统中的应用

针对卡尔曼滤波方法在双观测站被动目标跟踪系统中的应用进行了研究。建立了双观测站被动跟踪系统的非线性滤波模型,通过扩展卡尔曼滤波方法在该非线性模型下的具体实现步骤。分析了目标通过不同角度向观测站袭来时,卡尔曼滤波算法对目标参数估计的精度,验证了扩展卡尔曼滤波方法在被动目标跟踪中的有效性。仿真结果表明,目标参数估计的精度与观测的目标方位角变化率有关,变化率越大,估计误差越小。

基于采样卡尔曼滤波的水下被动目标跟踪

针对水下被动目标跟踪问题中,采用直角坐标系容易出现滤波发散,而修正极坐标系下过程模型强非线性的问题,研究了一种修正极坐标系下的采样卡尔曼滤波算法。采样卡尔曼滤波比传统的扩展卡尔曼滤波更好地逼近状态方程和测量方程的非线性特性,给出更精确的均值和协方差的估计,并且适用于过程噪声与状态估计非线性耦合的情况。在修正极坐标系下,采用3种滤波方法求解被动目标跟踪问题,仿真结果表明,采样卡尔曼滤波的滤波精度优于传统的扩展卡尔曼滤波方法和自适应扩展卡尔曼滤波方法。

被动目标自适应跟踪算法仿真研究

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 ,该文提出了一种直角坐标系下的自适应卡尔曼滤波算法 ,对虚拟噪声进行估计 ,动态补偿观测模型线性化误差 ,消减系统的观测误差 ,并对其滤波理论及其算法进行了研究和仿真。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 ,优于一般的扩展卡卡尔曼滤波算法 。

修正的EKPF算法在固定单站被动目标跟踪中的应用

基于以角度、角度变化率、多普勒频率变化率信息为观测量的固定单站被动目标跟踪系统,引入扩展卡尔曼粒子滤波(EKPF)算法对定位结果进行滤波处理。理论分析和仿真实验证明了其滤波性能在该系统中的优越性。针对EKPF算法运算量大、实时性差的问题,通过对部分粒子进行间隔EKF采样,将EKPF算法进行修正。修正的EKPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,与传统的EKPF算法相比,修正算法在保证滤波性能基本不变的前提下,算法实时性得到了有效提高。

仅有角测量的被动式机动目标跟踪

以往的被动式跟踪研究往往假定目标作匀速直线运动 ,采用目标与跟踪站的相对距离和速度为状态变量 ,因而相应的跟踪滤波器不能跟踪机动目标 .研究了仅有角测量的机动目标跟踪问题 ,采用目标的位置、速度及加速度作为状态变量 ,并对测量方程进行适当变换 ,推导出一种伪线性机动目标自适应跟踪算法 ,可用于单站或多站被动式机动目标跟踪 .大量的仿真研究表明了本算法的有效性 ,其中多站跟踪比单站跟踪具有更高的精度、算法稳定性和快速收敛性 .

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。

基于UKF光电被动目标跟踪及可观性分析

光电经纬仪在跟踪测量过程中经常会由于云层遮挡等原因,导致目标暂时丢失情形,采用数据融合技术是保证系统连续平稳跟踪的一种有效解决办法。由于在数据融合中需要估计目标的状态信息,面临着被动目标跟踪领域普遍存在的非线性估计与可观测性两大难题。采用传统的扩展卡尔曼滤波(EKF)算法会产生较大的估计误差,并易导致滤波发散。介绍无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)来解决非线性估计问题,同时分析了光电经纬仪在实际目标跟踪时的可观测性问题,提出在不可观测条件下保持滤波稳定的方法。Monte-Carlo仿真结果证明此算法有效、可行。

纯方位被动多传感器多目标跟踪算法

多传感器多目标跟踪中的数据关联问题是目标跟踪领域中的难点及核心。若传感器是只有角度量测的被动传感器,关联问题则变得更为复杂。针对纯方位多被动传感器系统的多目标跟踪问题,提出了一种基于高斯-厄密特滤波的动态多维分配方法。首先建立了直角坐标系下多被动传感器的高斯-厄密特滤波模型;在该模型的基础上,采用多维分配问题的思想,直接建立各传感器角度量测与目标角度预测值的候选关联组合,并将其进行动态地分配,提高了关联效率。仿真实验表明,该方法可以实时、高效地解决多被动传感器系统中的数据关联问题,并且能够对多目标进行稳定的跟踪。

基于标签多伯努利滤波器的被动多目标跟踪

针对杂波环境下被动多目标跟踪可观测性差、现有算法缺乏航迹轨迹和估计误差大等问题,提出了一种基于标签多伯努利滤波器的被动多目标跟踪算法。该算法结合高斯混合测量方法和标记的多伯努利滤波器的优点,针对被动目标量测高度非线性情况,将仅角度量测不确定度分成几个测量分量,测量似然可以由高斯混合近似。通过给每个航迹分配唯一的标签,将先前的扫描估计和当前的扫描测量进行关联,从而建立目标的航迹。仿真结果表明,所提算法大大降低了估计误差,各种实验场景验证了所提出的方法能够在保证航迹轨迹的前提下减少估计误差,从而验证了所提算法的有效性和可行性。

独轮移动机器人被动式避障和目标跟踪控制仿真实验

为了使移动机器人能在动态环境中安全地运动并探索周围的情况,针对动态变化的环境中,传感器范围有限的一类非完整系统-独轮移动机器人,提出了一种新的被动式目标跟踪控制方法,使其能在动态变化的环境中有效地避免静止和运动的障碍物。文中在极坐标下,考虑了移动机器人和障碍物的相对运动,首次将极坐标变换与李雅普诺夫分析方法结合起来,提出一种解决独轮机器人的位置跟踪和避障问题的方便实用的被动式控制算法;更重要的是,所提出的方法考虑了运动控制的饱和约束。通过仿真实验证明了提出的独轮机器人多目标控制的李亚普洛夫设计的有效性,为进一步研究多移动机器人或具更复杂的非完整约束机器人的多目标控制奠定了基础。