基于机动判别的变结构交互多模型跟踪算法

临近空间高超声速机动目标具有高速、高机动的运动特性,协同转弯模型是跟踪临近空间目标的常用模型之一。基于协同转弯模型的自适应网格交互多模型(adaptive grid interaction multiple model,AGIMM)算法能够较好地适应临近空间高超声速目标运动特性,但AGIMM算法存在着依赖中心网格模型,非机动时刻模型集收敛缓慢的问题,基于此提出了一种基于机动判别的变结构交互多模型算法。所提算法根据目标机动特性调整跟踪模型集的结构及模型概率转移矩阵,加快了非机动时刻模型集的收敛速度,克服了AGIMM算法存在的问题。通过蒙特卡罗仿真验证,改进的算法相对于AGIMM算法提高了对临近空间高超声速目标的跟踪性能。

基于“当前”统计模型的变结构交互多模型算法

“当前”统计(Current Statistical,CS)模型与交互多模型(Interacting Multiple Model,IMM)算法相结合,解决了机动目标跟踪问题中目标机动性难以匹配的问题。但是,IMM算法中模型集合的选取以及CS模型中最大加速度参数的设置会影响跟踪性能。针对这一问题,在变结构交互多模型(Variable Structure IMM,VSIMM)算法框架上,提出了一种根据加速度的预测值进行自适应调整最大加速度参数的CS模型。仿真结果表明,新算法可以有效提高对目标的跟踪精度。

变结构交互式多模型滤波和平滑算法

针对机动目标跟踪问题,提出了一种变结构交互式多模型滤波和平滑算法。首先,对多模型滤波和平滑问题进行了简单描述,并给出了前向交互式多模型滤波和后向交互式多模型平滑的数学模型;然后,建立了变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;最后,对变结构交互式多模型算法的滤波数据进行平滑处理,得到了变结构交互式多模型滤波和平滑算法。所提算法将前向滤波和后向平滑相结合,提高了目标跟踪精度。仿真结果表明,变结构交互式多模型滤波和平滑算法的跟踪效果优于其他方法。

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。

基于高机动目标跟踪的改进变结构IMM算法

传统交互式多模型(interacting multiple model,IMM)算法在跟踪高机动目标时存在模型集合和真实系统模式匹配欠佳所导致状态估计质量下降的问题.基于变结构的思想及图论的知识,结合协方差匹配技术提出了一种补偿式变结构交互式多模型算法(compensation variable structure interacting multiple model,CPVSIMM).针对目前对直线加速状态估计问题,传统变结构交互式多模型(variable structure interacting multiple model,VSIMM)模型集多采用角速度作为模型特征参数造成对其估计性能欠佳的情况,所提算法联合加速度和角速度作为模型参数,并建立了模型集合间的有向图连通关系及模型子集自适应调整原则.理论分析与对比仿真表明:本算法融合估计结果的精度更高,同时能在一定程度上减小由于模型集匹配欠佳及切换不及时所导致的机动累积误差.

临近空间非弹道式目标跟踪修正变结构滤波

以X-51A和HTV-2为代表的临近空间高超声速飞行器采用非弹道式机动飞行方式,飞行速度快而且其加速度不规则,难以精确估计其运动状态。针对临近空间目标4种典型的非弹道式机动模式,设计了一种修正变结构交互式多模型(modified variable structure interacting multiple model,MVSIMM)算法。该算法采用当前统计模型作为中心模型,左右两边采用匀速转弯模型,相比传统变结构多模型算法,提高了模型切换速度,实现更加实时,可以更高精度跟踪临近空间目标飞行器。仿真结果表明,针对4种非弹道式机动模式,修正变结构交互式多模型算法效果优于固定结构多模型滤波方法。

模型参数自适应的低复杂度ATPM-VSIMM算法

在机动目标跟踪中,针对交互式多模型算法使用固定模型集和固定转移概率矩阵导致跟踪精度下降的问题,提出模型参数自适应更新的低复杂度ATPM-VSIMM算法。所提算法根据系统新息变化情况来判断目标是否出现机动,从而调整模型集的状态噪声,实现模型集的自适应更新;然后,根据模型后验概率变化情况和模型间的相互切换关系,准确地计算出转移概率矩阵,从而提高系统运动模型和目标运动轨迹的匹配程度,保证跟踪系统具有滤波精度高和响应速度快的优点。从模型后验概率初值、转移概率矩阵初值和状态噪声三方面验证了所提算法的有效性。仿真结果表明,ATPM-VSIMM算法的空间位置跟踪精度比现有算法提高了8%左右。

一类基于模糊推理的具有机动自适应的目标跟踪算法

针对变结构多模型算法在机动目标跟踪中对目标机动不确定性、量测不确定性自适应能力不足的问题,提出一种基于模糊推理的机动自适应目标跟踪算法.设计一种基于模糊推理的双级机动判别模型,利用模型概率信息和主模型滤波残差加权范数进行主模型可信度和机动判别推理;并将双级机动判别引入基于可能模型集的期望模式扩增方法(EMA-LMS)框架,提出一种模糊推理EMA-LMS算法,实现对模型集自适应的参数和策略的在线调节,从而生成更加接近目标真实运动模式的期望模型,并更好地对模型进行取舍.仿真结果表明,本文算法能够有效增强算法对目标机动和量测不确定的自适应性,提高跟踪精度.

一种地面目标跟踪算法的设计与实现

对地面机动目标的跟踪问题是目标跟踪领域的难点,多传感器数据融合技术以及变结构交互多模型算法是解决地面目标跟踪问题的有效途径。针对目标运动特点,将地面目标运动特性和运动状态作为先验信息,设计了一种地面目标跟踪算法,给出了算法的详细步骤,算法主要采用了加权观测融合卡尔曼滤波器及采用模型组切换方法的变结构多模型算法实现。仿真及误差分析结果表明,该算法优于传统交互多模型算法。为地面目标跟踪算法的设计提供了参考。

基于地理信息的地面运动目标跟踪方法

为了提高地面运动目标跟踪精度,提出了基于地理信息约束的变结构交互多模(VS-IMM)的目标跟踪算法。通过建立地理信息系统约束地面目标运动状态,并利用目标转弯曲线模型确定滤波器中机动目标的时变运动模型集,采用地理信息约束的变结构交互多模算法可更符合实际进行地面目标机动跟踪。针对机场地面机动目标的仿真结果表明,给出的地理条件约束的目标跟踪算法比现有交互多模算法具有更好的性能。

基于VSIMM-SRCKF的ADS-B航迹滤波方法研究

为了提高ADS-B航迹跟踪精度,并针对交互多模型算法所选模型集而导致的跟踪性能下降的问题,采用基于平方根容积卡尔曼的变结构交互多模型(VSIMM-SRCKF)算法对航迹进行滤波。建立运动目标跟踪的VSIMM模型集来描述机动目标的系统总模型集合,在滤波过程中,SRCKF递推的更新通过将协方差矩阵开平方得到,使计算复杂度降低,并且使协方差矩阵保持非负定,能够避免滤波中的发散问题。仿真结果表明:提出的基于平方根容积卡尔曼的变结构交互多模型算法(VSIMM-SRCKF)在估计误差均值、估计误差标准差以及平均绝对百分比误差方面均优于IMM-CKF算法和IMM-SRCKF算法,说明VSIMM-SRCKF算法具有更好的跟踪精度,可适应于复杂目标航迹的实时跟踪。

基于道路信息的机动小目标跟踪

道路上运动的小目标因密集的交通、大量的虚假点迹以及强烈的机动能力导致其跟踪较难,文中提出了一种利用道路信息改善机动小目标跟踪性能的方法,该方法通过比较道路结构、分叉、交叉等信息和航迹当前所在位置,调整交互多模型的模型数和模型结构,即变结构交互多模型,并通过判断航迹的方向是否与道路的方向一致管理航迹。仿真结果说明与传统的交互多模型相比,结合了道路信息的方法明显提高了机动小目标的跟踪精度,并提高了监测区域内的目标航迹检测概率,同时降低了监测区域内虚假航迹数目和寿命。

一种用于复杂运动目标跟踪的新技术

对转弯模型在机动目标跟踪中的应用进行了研究,提出了把有直角坐标速度的转弯模型应用到变结构增强型交互式多模型算法中的技术。通过 Monte Carlo 仿真,显示了该技术的良好跟踪性能,并得到了一些有用参数。

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型(IMM)算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型(AGIMM)算法的基础上,提出了一种自适应变结构交互式多模型(AVSIMM)算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。

基于VSIMM-CKF的机场场面运动目标跟踪

根据先进场面运动引导控制系统的监视要求和机场场面的道路信息,对机场场面上的运动目标建立运动模型集;针对容积卡尔曼滤波器(cubature Kalman filter, CKF)的特点进行研究,将其应用到变结构交互式多模型(variable structure interacting multiple model, VSIMM)算法中,采用一种新型运动目标跟踪算法VSIMM-CKF;根据场面移动目标的复杂性,将VSIMM-CKF应用到机场场面运动目标跟踪中.通过仿真分析将本文采用的VSIMM-CKF算法与IMM-EKF和VSIMM-UKF进行比较,仿真结果表明:VSIMM-CKF和VSIMM-UKF的跟踪精度明显优于IMM-EKF,且VSIMM-CKF要略好于VSIMM-UKF;在算法运行时间方面,VSIMM-CKF算法时间要低于VSIMM-UKF和IMM-EKF,因此,采用的VSIMM-CKF更能满足机场场面运动目标的高精度和实时跟踪要求.

高超声速滑翔再入飞行器弹道估计的自适应卡尔曼滤波

采用传统状态增广法对高超声速滑翔再入飞行器(HGRV)进行弹道估计,存在模型简化误差过大和过程噪声方差难以构造的问题。依据目标运动特性和模型简化误差定量分析结果,状态方程改进为采用圆形地球模型和拟合大气模型并考虑哥氏力。采用一阶Markov过程描述气动力参数,将过程噪声方差构造为气动力参数方差和机动时间常数的函数,时变气动力参数方差采用"渐消记忆"的统计估计法由气动力参数估计值序列统计获得,而存在跳变的机动时间常数则作为运动模式采用变结构交互多模型法与运动状态一起估计。仿真结果表明,所提算法对位置、速度和气动力参数的估计精度优于传统算法,具有较好的工程实用性、鲁棒性和效费比。