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。

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。

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。

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。

数据压缩卡尔曼滤波的多传感器精确配准方法

针对多传感器的系统偏差估计问题,提出了数据压缩卡尔曼滤波的精确配准方法。首先采用无偏转换测量模型,利用各传感器局部测量值来构造系统偏差的伪测量方程,然后引入数据压缩方法得到一个合成的测量值,并使用卡尔曼滤波得到偏差估计值。转换模型的无偏特性,保证了即使在测量噪声及系统偏差较大的情形下,估计结果仍然能有较好的一致性和稳定性。同时数据压缩方法可避免传统方法的多次迭代处理,只需一次滤波过程即可完成估计。仿真实验结果表明新方法的估计结果精度良好,同时可有效降低计算耗时。

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。

引入测速信息的雷达导引头无偏转换跟踪方法

为了满足先进地空导弹对精确弹目交会信息的需求,基于自适应卡尔曼滤波算法,提出了一种引入测速信息的雷达导引头无偏转换跟踪方法。在当前统计模型的基础上,利用递推遗忘最小二乘法估计当前加速度,得到了状态方程。在雷达测量模型的基础上,分析了极坐标系下与笛卡尔坐标系下位置、速度信息的无偏转换关系,推导了无偏转换量测误差协方差矩阵真实值和利用量测信息估计真实值的表达式,得到了量测方程。通过滤波得到的状态和误差估计信息,改进了真实无偏转换量测协方差矩阵的估计算法。仿真结果验证了所提跟踪方法在滤波精度和跟踪速度上的良好性能。

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。

直角坐标系下的雷达跟踪滤波算法分析

在直角坐标下,目标的运动模型能较好地描述,一般认为能得到更高的滤波精度。文中对直角坐标系下的修正无偏转换测量卡尔曼滤波(MUCMKF)、扩展卡尔曼滤波(EKF)、无迹滤波(UF)算法进行了总结分析,并对它们的初始协方差矩阵设置给出了建议,以使滤波器快速收敛。最后,通过实验,对几种方法的性能进行了比较。结果表明,在较大的测量误差下,UF、MUCMKF的性能明显好于EKF。

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.

基于自适应UKF的实时弹道测量数据处理算法

针对无迹卡尔曼滤波(UKF)算法用于实时弹道测量数据处理中存在的非线性估计精度不高、实时性不好和滤波不稳定等问题,提出了一种自适应UKF算法.该算法借鉴强跟踪滤波思想,通过渐消因子在线修正调整状态预测协方差矩阵,实时调整增益矩阵,补偿弹道模型偏差.算法采用无偏转换测量处理量测方程,在保证滤波精度的同时,简化了滤波算法.仿真结果表明:该算法的滤波精度、收敛速度、稳定性和实时性均优于标准UKF算法,能有效用于实时弹道测量数据处理.

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。

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。

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 。