基于DS-VSMM的声网络低空机动目标跟踪

针对低空机动目标的声网络无源跟踪问题,提出一种基于有向图切换的变结构多模型算法。首先,将多个声传感器组网并对其时延的方位角数据进行配准,改善无源声探测网络的融合性能。其次,通过变结构多模型对目标状态进行估计,并利用有向图切换方法对新激活的模型分配权重,跟踪结果为多个模型估计结果的融合输出。通过与交互式多模型算法的仿真比较,说明本文所提方法能更好的匹配目标运动规律,有效降低计算复杂度,提高跟踪精度。

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model,IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型(variable structure multiple model,VSMM)的高斯混合基数概率假设密度(Gaussian mixture cardinalized probability hypothesis density,GMCPHD)滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM-GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。

密集回波环境下地面机动目标跟踪的UKF-VSMM-PDA算法

对地面机动目标进行跟踪,除了利用量测信息外,利用地形特征等信息也可提高跟踪性能。但这些非正态信息却可能导致较高的非高斯概率密度,文中将机动和多回波同时考虑,并充分利用了地形特征等信息,提出了UKF-VSMM-PDA算法,对密集回波环境下地面机动目标进行跟踪。仿真结果证明了该算法的优越性能。

一种基于VSMM的自适应高机动目标跟踪方法

自适应交互式多模型(AIMM)方法已经解决了许多复杂的机动目标跟踪问题,但过多的模型竞争会使AIMM性能下降,限制了这种方法的应用。文中结合变结构多模型(VSMM)可包含更多模型而不至于引起模型间"过度"竞争的优点,提出了一种自适应变结构多模型(AVSMM)方法。该方法采用与AIMM方法相似的自适应机制对机动目标进行跟踪,能够包含更多的运动模型,不必担心模型间发生"过度"竞争而使跟踪性能下降。仿真结果表明,在跟踪机动目标时,AVSMM方法比AIMM方法具有更高的跟踪精度。

基于目标机动模式识别的VSMM算法

针对定结构多模型在高机动目标跟踪算法中存在计算量大、计算时间长、难以满足系统实时性等问题,提出了基于目标机动模式识别的变结构多模型算法。该算法能够选取与目标运动状态相匹配的模型集合,具有时变性、自适应性的优点。通过运用少量的运动模型组成一个模型组,然后不同的运动模型组合形成不同的模型组,以模型组代替原先定结构模型中的多模型,根据跟踪检测到的目标运动模式来选择是否更换模型组,从而用少量运算得到较为精确的次优解。仿真结果表明,该算法在跟踪强机动目标中不但能够有效降低计算量,而且可以使模型集合和目标的运动状态更好地匹配,从而提高目标跟踪精度。

基于有向图切换的INS/GPS组合导航VSMM算法

INS/GPS组合导航系统量测噪声统计特性随着载体机动、外界扰动等影响发生变化,传统的卡尔曼滤波方法对于这种量测噪声变化系统的滤波精度不高,甚至会出现发散现象。针对上述问题,将机动目标跟踪中的变结构多模型滤波算法引入INS/GPS组合导航滤波中,提出了一种基于有向图切换的变结构多模型INS/GPS组合导航算法,并对此算法进行了仿真。仿真结果表明:该算法能够适应系统量测噪声变化,定位误差小于交互式多模型算法,并有效地降低了滤波过程中的计算量。

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。

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 。

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯(CT)模型,采用无迹卡尔曼滤波(UKF)方法和自适应网格(AG)的模型集自适应策略,研究了一种变结构交互式多模型算法,即基于UKF的自适应网格交互式多模型(UKF-AGIMM)算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。

机载激光通信终端的模糊变结构跟踪方法研究(英文)

为避免经典固定模型集合中多模型算法造成的模型间竞争并减小计算量,基于有向图切换的变结构方法,建立有向图切换规则和较完备的模型集合.通过模糊逻辑推理得到模型集合中各模型的匹配度,以此代替传统多模型算法中的模式概率来计算,降低了计算的复杂度.采用核粒子滤波克服了标准粒子滤波没有考虑到的量测信息问题,即粒子能够通过核密度估计后朝着状态的后验概率密度的模型移动,使真实和估计模型之间的均方误差最小.仿真结果表明,基于模糊理论的变结构核粒子滤波算法能较大地提高跟踪准确度和减少计算量.

强机动目标跟踪的两种MM算法设计与比较

现代舰艇反导中,及时、准确、有效地跟踪强机动的反舰导弹是反导武器系统中的一项关键技术。基于反舰导弹末端"蛇行机动"的运动特征,设计目标"蛇行机动"为直线运动模型和转弯运动模型的组合,并引入到构建的具有变结构的自适应网格交互多模型(AGIMM)算法和固定结构的固定网格交互多模型(FGIMM)算法中,在给定的初始条件下,运用MATLAB进行Monte Carlo仿真实验,比较分析了AGIMM算法和FGIMM算法的跟踪性能。结果表明:针对目标"蛇行机动"的强机动情况,所构建的AGIMM算法比FGIMM算法的估计精度高、位置和速度估计波动小,稳定性好,适应性强,具有一定的工程应用价值。

一种引入速率量测的三维变结构多模型算法

为了解决舰艇火控系统对三维空间中作高速/机动飞行反舰导弹的跟踪问题,针对可以观测距变率和角变率的雷达观测系统,通过在变结构多模型算法(VSMM)中引入上述速率量测值,提出了一种引入速率量测的VSMM算法。通过将新提出的算法和传统算法在典型反舰导弹攻击航路下进行仿真实现,证实了速率量测的引入可显著改善VSMM算法的跟踪性能,并且可以提高对目标机动检测的稳定性,缩短检测延时,具有一定工程实践指导意义。

改进的模型集自适应变结构多模型算法

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。

编队多平台协同防空系统及其多模型算法进展

介绍了多平台协同防空系统的组成及功能,并回顾了该系统目标跟踪中多模型算法的发展过程。重点对变结构多模型算法及其研究进展进行了论述,指出变结构多模型算法在目标跟踪中有广阔的应用前景。

基于S修正卡尔曼滤波的自适应网格模糊交互多模型算法研究

针对机动目标跟踪问题中,固定结构多模型(FSMM)算法费效比不高以及交互式多模型(IMM)算法马尔可夫转移概率难以准确确定的问题,研究一种基于S修正卡尔曼滤波的自适应网格模糊交互式多模型(AGFIMM-SKF)算法。该算法通过自适应网格调整实现了模型集自适应,通过模糊逻辑推理得到模型集中各个模型的匹配度,并且对标准卡尔曼滤波器进行S修正。仿真结果表明,AG-FIMM-SKF算法与标准的IMM算法相比,可以有效提高多模型算法的精度和费效比,且适合工程应用。

一种新的临近空间高超声速目标跟踪算法

针对变结构多模型算法(VSMM)在模型集自适应转换过程中,模型集选取容易出现只在单一类型模型中选取的问题,提出一种基于模型集匹配程度检测激活不同类模型的方法。在连续4个滤波周期没有激活不同类模型时,对每个周期所使用模型集与真实运动模式进行匹配程度检测,以此决定是否激活不同类模型。该方法既能有效解决模型转换的缺陷,同时避免了因单个滤波周期内检测判决导致算法切换频繁的问题。仿真结果表明,对比传统算法改进算法能有效提高跟踪性能。

基于变结构多模型算法的机动目标无源跟踪

研究了变结构多模算法对机动目标的跟踪,提出了基于可能模型集的期望模式增广算法,并将其应用于机动目标的无源跟踪中。算法的思想是:固定网格模型集采用LMS算法进行自适应,得到有效的固定网格模型集;然后根据该模型集生成期望模式集;最后基于有效的固定网格模型集及期望模式集进行滤波并融合处理得到总体的模型。通过仿真验证了该算法的性能。

基于LMS2UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,针对IMM算法的计算量大,提出一种基于变结构多模型思想的LMS2UKF分布式融合算法。该算法将LMS算法和UKF滤波算法结合进行矩阵加权融合。与IMM2UKF算法进行仿真比较,结果表明在相同情况下,本算法有较好的稳定性和较好的定位精度。

基于加权预测残差的模型群切换算法研究

以舰艇反导武器系统中的机动目标跟踪与预测方法研究为背景,在分析变结构多模型算法的基本框架及模型群切换算法仿真计算流程的基础上,依据滤波过程中预测残差对跟踪精度的影响,提出一种基于加权残差的模型群切换方法。针对现代反舰导弹末端"蛇行机动"的运动特点,设计了不同的模型集,在想定的初始条件下进行MonteCarlo仿真实验,结果表明:提出的算法运行稳定,具有较高的费效比。

一种新的机动目标跟踪中的变结构多模型算法

实践证明变结构多模型(VSMM)算法在机动目标跟踪领域有着广阔的应用前景。文章介绍一种新的VSMM算法——最小子模型集切换算法。该算法从总模型集合中确定出适当的最小模型集合,并使用该最小模型集合完成多模型估计。