一种改进的自适应重采样粒子滤波算法

针对粒子滤波跟踪算法中重采样所引起的粒子多样性缺失问题,提出了一种自适应粒子滤波重采样方法。首先将粒子权值进行分类,中等权值粒子保持不变,大、小权值粒子进行权值优化组合,其次对优化组合后的小部分粒子进行系统重采样。最后对粒子的权值及粒子的复制次数分别进行比较运算。试验结果表明,改进后的粒子滤波算法不仅提高了机动目标跟踪的运算效率,而且还有效提高了跟踪的稳定性,目标跟踪更加准确。

一种改进的联合概率数据关联算法

针对联合概率数据关联算法在跟踪多机动目标时跟踪精度不高、计算量较大等问题,提出了一种新的联合概率数据关联算法。引入"当前"统计模型,并针对"当前"统计模型中机动频率和加速度方差不能自适应调整的问题进行了改进,实现了机动频率和加速度方差自适应。针对联合概率数据关联算法在跟踪多机动目标时,随着目标数的增多,算法计算量急剧增大的问题,提出了改进算法。改进算法避开了联合概率数据关联算法中由确认矩阵计算关联矩阵的过程,直接从确认矩阵计算关联概率。仿真实验结果表明:所提算法有效提高了多目标的跟踪精度,降低了算法计算量。

一种改进的方差自适应滤波算法

标准的基于"当前"统计模型的自适应卡尔曼滤波算法中机动频率和加速度极限值存在靠经验预先设定的问题,以及在跟踪非机动和弱机动目标时存在精度不高的问题,本文在分析已有的加速度方差自适应算法的基础上,提出了一种改进的加速度方差自适应算法。仿真结果表明本文提出的改进的加速度方差自适应算法是有效性的,较已有算法提高了跟踪非机动或弱机动目标的精度。

一种新的改进的“当前”统计模型的自适应滤波算法

针对标准"当前"统计模型中加速度和机动频率需要预先设定的不合理,以及在跟踪非机动和弱机动目标时存在精度不高的问题,从加速度状态方程式中推导出机动频率自适应表达式;并结合已有的加速度方差自适应算法,提出了一种新的基于"当前"统计模型的自适应卡尔曼滤波算法。仿真结果表明算法的有效性和合理性。

机动目标跟踪中一种机动频率和方差自适应滤波算法

在机动目标跟踪中,"当前"统计模型("Current"Statistical model,CS)需要预先依据经验设定机动频率和加速度极限值,当预先设定的值与目标的实际运动状态不一致时,将造成较大的跟踪误差。为克服上述问题,该文首先从"当前"统计模型的离散状态方程中,导出了一种机动频率自适应算法,然后对张安清及巴宏欣等人提出的加速度方差自适应算法进行了改进。仿真实验表明,在综合运用上述机动频率自适应和加速度方差自适应算法的基础上,对CS模型修改后,得到的机动目标跟踪自适应滤波算法(Mending CS based Adaptive Filtering algorithm,MAF),能够有效增强基于CS模型的机动目标跟踪自适应滤波算法(CS based Adaptive Filtering algorithm,AF)对目标运动状态变化的自适应能力,并且在低噪声环境下,跟踪精度比AF算法有所提高,算法收敛速度可达到AF算法的2倍,在强噪声环境下,目标机动阶段的跟踪精度提高近2倍,匀速阶段的精度与AF算法相当,算法的收敛速度可达到AF算法的4～10倍,因此,MAF算法具有较强的抗干扰能力。

一种基于改进的“当前”统计模型自适应跟踪算法

针对工程应用中"当前"统计模型对机动频率和最大加速度经验值依赖过大,难以根据目标的加速度变化进行实时动态调整优化的问题;以及标准"当前"统计模型在跟踪非机动或弱机动目标时,精度不高的问题,在分析机动频率物理含义及其与加速度变化关系、卡尔曼滤波的新息与加速度方差关系的基础上,提出了一种高效的机动频率和加速度方差双变量自适应算法。仿真结果表明该算法能够很好地自适应目标的加速度变化;并能有效提高跟踪精度,大大提高了对非机动或弱机动目标的跟踪精度。

一种新的机动频率和方差自适应滤波算法

针对工程应用中"当前"统计模型对机动频率和最大加速度经验值依赖过大,难以根据目标的加速度变化进行实时动态调整的问题,在分析机动频率物理含义及其与加速度变化关系、位移扰动增量与加速度方差的关系基础上,提出了一种高效的机动频率和加速度方差双变量自适应算法。仿真结果证明:该算法能很好地自适应目标的加速度变化,并在不同噪声水平下有效提高跟踪精度,尤其大幅度提高了对非机动或弱机动目标的跟踪精度。

数据关联算法综述

数据关联是多目标跟踪里面的核心问题,文章系统地介绍了几种基本数据关联算法,通过总结国内外的文献,分析指出了传统数据关联算法的一些问题。

一种高维航迹融合协方差交集算法降维实现方法

在互相关性未知的分布式融合系统中,协方差交集算法是一种有效的融合算法,但其在融合高维航迹时存在计算量大、精度低的问题,为此对高维航迹进行了降维处理,把高维航迹的融合变为多组二维航迹的融合,从而得到了一种降维的协方差交集算法(Dimensionality Reduction Intersection Algorithm,DRCI)。理论分析表明该算法能有效降低运算量,仿真实验结果表明,该算法的精度高于协方差交集算法(Covariance Intersection,CI),与Kalman融合算法处于同一水平。

一种具有关联波门自适应的联合概率数据关联算法

针对杂波环境下的多目标跟踪数据关联问题,提出了一种关联波门自适应的联合概率数据关联算法,该算法结合"当前"统计模型,实现了过程噪声的自适应,进而自适应调整目标量测值,从而达到自适应调整关联波门,通过在不同过程噪声水平下的仿真实验,证明本文所提算法一定程度上提高了目标跟踪精度,收敛速度也有所提高。

基于SWOT的PDCA循环理论在专业士官课程改革中的思考

专业士官是部队建设发展的重要力量,军队院校要重视专业士官任职培训,不断提高专业士官任职培训课程的教学质量。基于SWOT分析法分析了专业士官任职培训课程的现状及面临的机遇与挑战,并采用PDCA循环理论对专业士官任职培训课程进行教学改革,持续提高课堂教学质量,使教学内容逐步紧贴实战要求,满足专业士官任职培训的需要。

一种改进的基于“当前”统计模型的联合概率数据关联算法

针对自适应卡尔曼滤波算法中"当前"统计模型需要预先设置机动频率和加速度极限值,不合理的设置将造成目标跟踪误差加大的情况,首先对机动频率进行调整,提出了新的自适应卡尔曼滤波算法。在此基础上,文章将新的自适应卡尔曼滤波算法和联合概率数据关联算法相结合,提出了一种改进的基于"当前"统计模型的联合概率数据关联算法。通过仿真实验证明,该算法能够较好地减弱目标机动,尤其是目标弱机动对原有自适应跟踪算法跟踪精度地带来的影响。

机动目标跟踪中一种改进的自适应卡尔曼滤波算法

针对"当前"统计模型中预先设置机动频率和加速度极限值造成对目标跟踪精度不高的问题,提出一种新的参数自适应算法。该算法利用目标前后2个时刻的加速度均值代替"当前"统计模型中只利用前一时刻的加速度值作为当前时刻的加速度均值,推导出了机动频率自适应,再利用加速度方差与加速度变化量之间存在的正比线性关系,推导出了加速度方差自适应,避免了由于参数设置不合理而造成的跟踪误差。理论分析和仿真结果表明,改进算法有效提高了目标跟踪精度,仿真结果验证了改进算法的有效性。