一种基于自适应去偏转换滤波的机动目标跟踪（英文）

针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器。该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性。与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度。仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38%的位置误差。

一种新的去偏转换测量Kalman滤波算法研究

采用引入虚拟项方法推导出转换测量误差均值和协方差的解析表达式,利用全部测量数据,给出了转换测量误差均值及其协方差在均方意义下的最佳估计,提出了一种新的去偏转换测量Kalman滤波算法。将该算法用于研究滤波精度要求较高的遭遇段导弹跟踪问题,并进行了MonteCarlo仿真。结果表明:该算法位置和速度估计的均方根误差小,滤波精度高,滤波器的实际估计误差和估计协方差匹配性好,算法置信度高,即使测量噪声较大时仍然保持良好的滤波性能。

基于去偏转换测量卡尔曼滤波的目标脱靶方向角识别

研究了利用导引头天线测量的视线角速度分量进行目标脱靶方位识别的原理,推导了目标脱靶方向角与弹体坐标系下各方向上弹目距离和相对速度分量的关系表达式。将球坐标系下的导引头测量值转换到直角坐标系下并进行去偏处理,以直角坐标系下弹目距离、相对速度、加速度为状态变量,基于"当前"统计模型建立了自适应卡尔曼滤波方程组,利用前两点测量值估计了滤波初始状态,并用滤波值计算了目标脱靶方向角。仿真结果表明,该算法能很好地识别出目标脱靶方向角,且精度可以满足实战要求。

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 。

去偏转换量测Kalman滤波器的FPGA实现

去偏转换量测卡尔曼滤波在雷达目标跟踪系统中有着广泛的应用,针对某型超近程主动防护系统的研制与开发,设计了基于现场可编程门阵列的去偏转换量测卡尔曼滤波器。针对超近程主动防护系统的高精度和实时性的要求,该设计采用结构化设计思想,利用现场可编程门阵列实现浮点去偏转换量测卡尔曼滤波器的设计。在保证实时性的前提下,在模块内部对运算单元分时复用,解决了采用传统的软件方法实现过程中存在的并行性和速度问题,并且保证了运算的精度。通过Matlab和QuartusⅡ仿真,验证了本设计的优越性。

基于去偏转换测量卡尔曼滤波建立状态初始估计的方法

针对非线性观测的目标跟踪问题 ,本文在极坐标观测方程条件下 ,基于去偏转换测量卡尔曼滤波算法 (CMKF D) ,计算观测值转换到直角坐标系后的观测误差均值和方差。以此为基础提出了一种由前两点观测值建立初始估计的方法。仿真结果表明 ,使用该方法建立初始估计 ,能使滤波器迅速收敛 ,提高初始阶段的跟踪精度。

一种基于期望最大化去偏转换量测滤波的目标跟踪算法

针对雷达测量系统因野值干扰导致跟踪精度下降的问题,提出了一种期望最大化去偏转换量测卡尔曼滤波(EMDCMKF)。先对目标量测去偏转换,将转换后的量测噪声协方差解耦合并适配自适应因子,之后利用期望最大化方法估计自适应因子矩阵,从而对量测噪声协方差进行修正。仿真结果表明,提出的EMDCMKF位置均方根误差相比于EKF和DCMKF分别减少了45.1%和52.5%,速度均方根误差分别减少了52.6%和66.8%,在野值干扰的环境下,所提出的EMDCMKF算法可以得到更高的估计精度。

去偏转换方向余弦位置和多普勒量测跟踪

为解决相控阵雷达方向余弦坐标系下状态空间模型量测方程强非线性的问题,提出了一种带多普勒量测的去偏转换量测跟踪方法.在考虑距离量测误差与多普勒量测误差相关性的基础上,用距离量测与多普勒量测的乘积构造伪量测来减轻多普勒量测的非线性.并通过对方向余弦进行二阶泰勒展开,得到了转换量测误差均值和协方差的一致性估计.最后通过对位置量测和伪量测进行序贯处理解决了伪量测非线性的问题.仿真结果证明:通过引入多普勒量测确实提高了滤波性能;同时相比于常用的扩展卡尔曼滤波器和不敏卡尔曼滤波器,提出的去偏转换量测滤波器在方向余弦坐标系下具有更好的跟踪性能.

转换测量卡尔曼滤波在机动目标跟踪中的应用

在三维空间中推导了转换测量卡尔曼滤波算法 ,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方差的表达式 ,并给出了在机动目标跟踪中 ,预测值与量测值的选择准则。运用“当前”机动模型和此算法给出了机动目标的仿真 ,取得了较好的跟踪效果。

基于改进交互多模型概率数据关联的机动目标跟踪（英文）

为了提高杂波条件下的空中机动目标跟踪精度,提出了一个改进的交互多模型概率数据关联算法。该算法将交互多模型、去偏转换测量和概率数据关联算法相结合,利用交互多模型算法模型集合间不同模型的相互切换来估计跟踪目标的状态;利用去偏转换测量算法对转换测量误差进行去偏补偿,从而减小观测数据坐标变换引起的误差;利用概率数据关联算法处理数据关联和测量的不确定性。通过将本文的算法和基于扩展卡尔曼滤波的概率数据关联算法进行对比分析和验证,实验结果表明本文提出的算法可以提高机动目标的跟踪精度,且跟踪精度相对基于扩展卡尔曼滤波的概率数据关联算法减少26.38%的位置误差。

基于分布式BLUE的多雷达数据融合方法

针对线性系统与非线性观测的混合跟踪融合问题,推导目标匀加速运动时的三维最佳线性无偏估计(BLUE)滤波器,给出基于分布式BLUE滤波的多雷达数据融合方法。由各单元雷达对直角坐标系下的目标状态进行BLUE估计,对多部雷达的目标状态在融合中心进行融合估计,采用位置、速度均方根误差和平均归一化估计误差平方作为融合性能评价标准。仿真结果表明,与基于NC的去偏转换状态融合方法和基于MMC的无偏转换状态融合方法相比,该方法对于过程噪声和测量噪声的变化不敏感,比基于NC和MMC的方法具有更小的位置和速度均方根误差,即使在大误差的情况下,仍然具有较高的融合精度和可靠性。

一种用于光电目标跟踪的非线性滤波算法

基于传统转换测量卡尔曼滤波算法,提出了一种二阶去偏转化测量卡尔曼滤波算法。该算法对转换测量方程进行二阶泰勒展开,得到转换测量值误差的均值和方差表达式,并对转换测量方程进行去偏差补偿,再经转换测量卡尔曼滤波,从而显著减小传统滤波算法的线性化误差,提高远距离目标的跟踪精度。仿真结果表明:二阶去偏转换测量卡尔曼滤波(SCMKF)算法跟踪精度明显优于传统的扩展卡尔曼滤波(EKF)算法和转换测量卡尔曼滤波(CMKF)算法,收敛速度比EKF算法至少可提高1倍。

体育视频序列中基于IMM的运动目标跟踪算法

在视频处理领域的运动目标跟踪问题中,卡尔曼滤波器(KF)与扩展卡尔曼滤波器(EKF)已经得到了广泛的应用,但在复杂背景或是目标高机动运动的情况下跟踪效果并不理想。提出一种基于交互多模型算法(IMM),并采用去偏转换测量卡尔曼滤波器(CMKF-D)对运动目标进行跟踪的算法。该算法有效地解决了单一模型无法与运动特性相匹配的问题,并克服了KF、EKF对非线性模型线性化所引入的误差。以足球视频为例进行仿真实验,结果表明该算法有效地提高了视频序列中运动目标跟踪的准确率。

一种雷达目标运动要素解算方法研究

针对船舶导航避碰对水面目标运动要素实时高精度估算的要求,给出了一种基于去偏转换坐标卡尔曼滤波思想的目标跟踪算法。在算法中,通过非线性坐标转换并去偏后得到去偏转换测量值,实现目标状态方程和量测方程在笛卡尔坐标系的线性方程,采用标准卡尔曼滤波算法进行滤波。因此,只要解出去偏转换量测值误差方差即可按标准的卡尔曼滤波算法对目标进行跟踪。仿真结果表明,在保证滤波器不失配的前提下,去偏转换坐标卡尔曼滤波(DCMKF)算法收敛迅速并有较高精度,能够满足导航雷达实时应用的需求。

基于IMM的光电经纬仪机动目标跟踪优化算法

提出一种简化交互多模型算法(IMM)与去偏转换测量卡尔曼滤波算法(CMKF-D)相结合的机动目标跟踪优化算法。该算法通过机动检测判别函数D(k)与门限T的关系,自适应调整CMKF-D的部分参数,解决了常规交互多模算法需要大量先验知识的问题,同时克服了扩展卡尔曼滤波(EKF)对非线性模型线性化所引入的误差。仿真实验验证了该算法的有效性。利用该算法可显著改善基于非线性测量方程下光电经纬仪对机动目标的跟踪性能,其位置跟踪误差小于1.5m,速度误差小于1.5 m/s,加速度误差小于0.7 m/s2。

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题,对滤波跟踪型数据融合进行了研究,提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法.从仿真结果可以看出,集中式融合算法和分布式融合算法的差别并不大,结果基本相同.因此,在非线性系统中,基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法.

一种改进的固定增益卡尔曼滤波方法

介绍一种改进的固定增益卡尔曼滤波方法。这种方法的思想是采用多个固定的滤波增益并根据机动的情况在各个增益之间切换。同时提出了一种将距离变化率量测引入固定增益卡尔曼滤波的方法。由于不需要实时的计算卡尔曼滤波的增益矩阵,此方法大大的降低了运算量,并仍能保证较高的滤波精度。

一种基于CMKF建立跟踪初始估计的方法

针对极坐标观测条件下的目标跟踪 ,本文基于去偏转换测量卡尔曼滤波算法 (CMKF D) ,提出了一种建立跟踪初始估计的方法 :目标初始状态由前两点观测值估计 ,初始估计误差协方差由状态方程和CMKF D中观测误差协方差计算得到。仿真结果表明 ,使用该方法建立初始估计 ,能使滤波器迅速收敛至稳态 。

基于强跟踪器的机动航天器相对动态定位算法

针对机动航天器之间精确动态相对定位问题,提出一种基于强跟踪器(strong tracking filter,STF)的动态相对定位算法。该算法针对相对机动过程中3个方向的机动特性,设置三向渐消因子进行三向滤波,克服了单向渐消因子与实际机动不匹配而造成的跟踪精度下降问题,针对三向滤波在直角坐标系下的跟踪问题,设置去偏转换测量算法,克服了球坐标系与直角坐标系的转换偏差问题。仿真实验表明,该算法在初值敏感性和相对机动恢复性上均强于其他算法,适用于脉冲推力、有限推力等多种情况下机动航天器间精确动态相对定位。