基于转换坐标卡尔曼滤波算法的雷达目标跟踪

在三维空间中推导了转换坐标卡尔曼滤波算法，得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值误差方差的表达式，用此算法进行了雷达目标跟踪仿真，取得了较好的跟踪效果。

极坐标系中带多普勒量测的雷达目标跟踪

将仅仅考虑位置量测的二维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距误差和多普勒误差相关的雷达目标跟踪问题。首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波,其中为了进一步减小二阶EKF的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。

去偏转换坐标卡尔曼滤波器的雷达目标跟踪

在雷达目标跟踪中 ,扩展卡尔曼滤波 (EKF)和转换坐标卡尔曼滤波 (CMKF)得到了广泛的应用。但当目标方位角的测量误差与目标斜距的乘积较大时 ,传统的EKF和CMKF的滤波性能会大大降低。推导了有测速元时的去偏转换卡尔曼滤波 (DCMKF)算法 。

转换坐标卡尔曼滤波器的雷达目标跟踪

本文在三维空间中推导了转换坐标卡尔曼滤波算法，用此算法进行了雷达目标跟踪仿真，和用推广的卡尔曼滤波算法进行的仿真结果进行了比较。

球坐标系下多普勒雷达目标跟踪滤波器

将仅仅考虑位置量测的三维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距和多普勒的量测误差相关的雷达目标跟踪问题。首先利用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后利用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据转换量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。

基于置信规则推理方法的雷达目标跟踪

针对雷达目标跟踪中数据相关联的问题,提出一种基于雷达目标航向和速度对雷达数据进行数据关联的方法,解决目标密度较大时所出现的目标误跟或丢失问题,并采用基于置信规则库(belief rule-based,BRB)的方法建立了目标速度与航向的置信规则库,通过证据推理(evidential reasoning,ER)算法解决了不同量纲数据之间的冲突问题,从而验证了此方法的可靠性。实验结果表明,其真实目标置信度可达到95%以上。最后,运用此方法将得到的真实目标点进行Kalman滤波,实现对雷达目标的跟踪,通过Monte Carlo仿真验证了此方法具有很好的目标跟踪效果。

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波(SCKF),提出一种带多普勒量测的序贯均方根容积卡尔曼滤波(SSCKF-D)雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波(SCKF-D)算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。

非高斯杂波下雷达目标跟踪算法改进研究

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声可以采用α稳定分布来描述,用α稳定分布可以建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得改进的基于分数低阶统计量Kalman滤波交互多模型算法(Based FLOS-Kalman-IMM),仿真验证了Based FLOS-Kalman-IMM滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的雷达跟踪效果。

雷达目标跟踪的转换坐标卡尔曼滤波算法

该文采用转换坐标卡尔曼滤波算法(CMKF)进行雷达目标跟踪,先将极坐标系下的测量值经坐标变换转换到直角坐标系下,再用统计的方法求出转换测量误差的均值和方差,去偏后利用标准卡尔曼滤波算法对目标进行跟踪。将仿真结果和推广卡尔曼滤波算法(EKF)的进行比较,结果表明,CMKF的滤波精度更高。

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明:所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。

基于在线学习的雷达目标跟踪技术研究

传统的单纯依赖跟踪算法的雷达目标跟踪在目标长时间跟踪任务中容易受到杂波和目标本身属性波动的影响,导致跟踪失败。提出一种基于在线学习机制的长时间雷达目标跟踪方法——基于多模型优化的在线学习雷达目标跟踪算法。在跟踪-学习-检测架构上,采用多模型跟踪结果作为训练检测器的部分样本,由学习器约束跟踪器和检测器,并优化跟踪器,以达到长时间稳定跟踪的目的。仿真实验表明,本文算法能够有效降低长时间跟踪过程中跟踪失败现象,具有一定的工程研究价值。

基于序贯无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度,用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离,来进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度和更高的计算效率。

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。

基于数据优先级的雷达目标跟踪偏差补偿方法

传统方法对雷达跟踪目标偏差补偿的精准程度较低,导致达目标跟踪可靠性及稳定性较差;为了解决上述问题,基于数据优先级提出一种雷达目标跟踪偏差补偿方法,利用雷达极化测量目标信号建立三维空间坐标,通过对相位控制偏差的校准操作实现数据目标的精准测量;根据数据优先级原则,对极化脉冲进行角度测量,选取适宜测量方案,设置雷达目标方向图,实现雷达目标超分辨成像,去除噪声及模型误差造成的雷达目标跟踪图像的偏差量,实现雷达目标跟踪偏差补偿;实验结果表明,基于数据优先级的雷达目标跟踪偏差补偿方法能够精准补偿雷达跟踪目标的偏差量,实现雷达目标精准跟踪。

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过MonteCarlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。

基于权值优选粒子滤波的雷达目标跟踪

本文详细分析了粒子滤波的特点,给出了基于权值优选的粒子滤波算法,对雷达目标进行了跟踪。仿真结果表明,基于权值优选的粒子滤波算法在N值较小的情况下较标准粒子滤波算法具有更明显的优势。

雷达目标跟踪中的典型非线性滤波算法研究

在雷达信号处理领域,目标跟踪问题一直是研究的重点,其中,非线性滤波问题是难点所在。本文主要研究了三种典型非线性滤波算法,详细介绍了算法基本原理及实现步骤,并基于典型的一维非线性非高斯模型对算法滤波性能进行了仿真分析。实验结果表明,在非线性非高斯条件下,粒子滤波算法的滤波性能最优,不敏卡尔曼滤波算法次之,卡尔曼滤波算法最差。

雷达目标跟踪的转换坐标卡尔曼滤波算法

本文主要研究雷达目标跟踪的转换坐标卡尔曼滤波算法,通过深入分析利用卡尔曼滤波算法(CMKF)进行雷达目标跟踪,同时我们通过采取统计的方法来解决转换测量误差的问题,从而有效的促进卡尔曼滤波算法的精准性。笔者认为采用仿真的方法和卡尔曼滤波算法(EKF)才能够顺利的完成雷达目标跟踪,这对于当前计算发展意义重大。

一种复杂交通环境下的毫米波雷达目标跟踪方法

车载毫米波雷达是智能驾驶环境感知系统中重要的传感器,为实现车载毫米波雷达目标跟踪的稳定性、实时性和精确性,本文设计了一种基于联合概率数据关联(JPDA)的雷达目标跟踪算法,并提出了一种对传统JPDA算法的改进方式,该方式考虑了车载毫米波雷达运行的实际工况,通过改进点迹的选取方式以及利用生命周期理论简化关联事件的生成两个步骤,对传统JPDA算法进行了简化,解决了传统JPDA算法在密集目标环境下的组合爆炸问题,以及毫米波雷达虚警和漏检带来的数据不连贯、不稳定问题,实现了跟踪的稳定性和实时性;同时本文采用常加速度模型结合Kalman滤波对雷达目标运动状态进行了估计,解决了前后帧雷达目标运动状态不连续以及雷达信息中的噪声问题,实现了跟踪的精确性。实验结果表明:在复杂交通环境下,该毫米波雷达跟踪算法相较于传统JPDA算法,运算速率提升了50.5%,稳定性提升了78.46%。

大气阻力下高速子弹目标雷达检测与跟踪

大气阻力环境下的高速子弹目标作为一种特殊目标类型,研究其雷达检测与跟踪技术具有特殊意义。文中从降低系统运算量及工程化实现难度考虑,基于传统检测后跟踪技术体制,在建模分析子弹运动模型的基础上,针对匀速和匀加速两类模型研究了子弹目标的有效检测与跟踪方法,并通过仿真实验和实测数据分析给出了对雷达检测和跟踪算法设计有意义的结论。