基于模型类型匹配PHD滤波器和TBM的多目标联合跟踪分类

为了解决杂波和漏检下多目标的联合跟踪与分类问题,提出了模型类型匹配概率假设密度(probability hypothesis density,PHD)滤波器,同时将其与多传感器的可转移信度模型(transferable belief model,TBM)框架相结合,并用多个运动学雷达和粒子滤波递推实现。该算法对飞行器的先验信息进行估计,从而替代了属性传感器。在预测阶段,根据模型和类型对PHD滤波器进行粒子匹配;传感器得到观测结果后进行粒子权重的更新;再根据粒子对应的权重得到目标的后验状态-模型-类型分布;这些PHD滤波器可以同时得到目标的状态和类型;结合TBM和航迹粒子标签算法,得到多个传感器的融合结果。仿真表明,本文提出的模型类型匹配PHD滤波器的性能比传统多模型PHD滤波器更精确,同时多传感器的TBM框架也全面提升了算法的性能。

粒子滤波联合目标跟踪分类算法

针对现有联合目标跟踪分类(JTC)算法计算量大实时性差的缺陷,本文在JTC求解中引入粒子滤波,替代数值积分,大大缩短了计算时间;利用低分辨率常规雷达(LRR)提供的目标运动学信息和电子支援措施(ESM)提供的目标电磁设备信息,同时提高了目标的识别概率和跟踪性能。仿真验证了粒子滤波联合目标跟踪分类算法的实时性和有效性。

北斗30年

7月25日20时29分，中国在西昌卫星发射中心用“长征三号乙／远征一号”运载火箭成功将2颗新一代北斗导航卫星发射升空，经过约3．5小时飞行后，“远征一号”上面级将2颗卫星准确送入预定轨道。此次发射圆满成功，标志着北斗卫星导航系统向全球覆盖的建设目标迈出坚实一步。