基于协同转弯模型的机动目标预测算法

机动目标机动能力的增强,使跟踪系统显得越来越不适应,从而给火控系统命中点的求解计算带来了巨大的困难。机动目标预测精度的下降,使得火控系统的生命力大幅度下降,严重影响了平台及其人员的安全。本文将协同转弯模型和指数加速度模型相结合提出了一种新的预测算法。通过仿真,证明了算法的有效性。

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视(ADS-B)应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波(IMMKF)算法的ADS-B监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B状态矢量量测数据作为IMMKF算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明:相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF算法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B监视应用中具有实际应用价值与借鉴意义。

自适应CT模型的强跟踪CKF算法

自适应协同转弯(CT)模型可以用于对转弯机动目标进行跟踪。由于转弯率变化,状态方程为非线性,同时雷达测量数据以极坐标系形式给出,在直角坐标系下建立的观测方程具有很强的非线性。论文利用强跟踪容积卡尔曼滤波(CKF)来实现非线性滤波处理,并将其与标准的容积卡尔曼滤波进行比较。通过对变转弯率机动目标跟踪的仿真,表明该算法能稳定跟踪变转弯率目标,且跟踪精度高。

三维高速机动目标跟踪交互式多模型算法

对三维机动目标,尤其是高速机动目标的跟踪一直是目标跟踪领域的重点和难点,通过二维或解耦模型扩展并不一定能满足精度要求.提出了一种基于常速模型、"当前"统计模型、带约束的三维常速率协同转弯模型的交互式多模型算法.通过对包括匀加速模型、Singer模型、"当前"统计模型在内的不同模型组合进行Monte-Carlo仿真比较表明本算法对三维高速机动目标跟踪是有效性,并具有很好的实用性.

基于模糊交互多模型的机动目标跟踪方法

文中提出了一种模糊IMM(FIMM)算法,通过模糊逻辑推理得到IMM算法模型集中各滤波模型的匹配度,即模型的概率,代替IMM算法中通过交互组合计算模型概率的方法,该方法不需要IMM算法中的模型先验概率及马尔可夫转移概率,从而降低了算法的复杂程度。仿真结果表明,和标准IMM算法对机动目标的跟踪效果相比,文中提出的模糊IMM算法具有更高的跟踪精度,更快的收敛速度。

角速度估计自适应的IMM三维目标跟踪算法

为了解决三维空间内的机动目标跟踪问题,提出一种基于常速模型和带约束常速率协同转弯模型(CSCT模型)的交互式多模型算法;同时为了解决目标的机动不确定性问题,针对CSCT模型提出一种类似卡尔曼滤波的方法实时精确地估计目标转弯角速度。综合考虑目标角速度的估计值和估计方差,提高目标跟踪的收敛速度,尽可能地减小滤波角速度与机动目标真实角速度之间的误差,最终明显提高了目标跟踪精度。Monte-Carlo 200次仿真结果表明了该算法在性能上有明显提升,对三维机动目标跟踪效果显著,并证实了该方法的实用性。

基于改进RRTConnect++算法的多起重机路径规划

着重研究多机系统的建模和动作规划算法,以4台起重机为例,对起重机系统进行建模,规定多机系统的C-空间,并对RRTConnect++算法的采样和拓展区域的选取进行了改进,使得拓展点到目标点的拓展在更加有效的区域中进行,从而提高了规划效率,通过案例验证了算法的有效性。