基于多因素模糊判决的多模型机动目标跟踪

为提高非线性复杂系统状态估计的效率与精度,提出一种基于多因素模糊综合评判的变结构多模型方法(MFIE_MM)。MFIE_MM首先确定模型全集并提取各个模型的公共因素,进而选择模糊综合鉴别函数构建模糊评价集合;其次单因素模糊评判矩阵和多因素模糊评判准则得到各个模型的相似度;最后选出当前时刻最佳模型并以此模型为区域中心实时生成参与状态估计的模型集合。仿真结果显示,由MFIE_MM处理得到的位置变量估计误差协方差从2.15 m降到2.05 m,单拍处理时间从0.002 7 s降到0.001 8 s。因此,MFIE_MM在显著提高算法精度的同时有效降低了算法运行时间和模型平均误差。

引入多速率模型的变结构机动目标跟踪

变结构多模型方法(VSMM)能够根据目标机动的实际情况实时确定结构不断变化的模型集合,取代传统IMM方法中的固定模型集.使参与状态估计的模型分布更集中,模型数量相对较少,从而提高算法的跟踪精度.多速率模型(Multirate)能够对原始测量数据进行多分辨分解,有效的抑制量测噪声,从而提高原始数据的信噪比.文章将多速率模型引入变结构多模型方法,提出一种新的机动目标跟踪算法-多速率变结构多模型方法(MR-VSMM),该方法分别从改善原始数据与改善模型集合两方面对传统IMM方法进行了突破.同时,采用多个多速率模型,并将多个模型的滤波结果相互交织实现对机动目标的全速率跟踪.仿真实验证明,该算法较传统的IMM方法跟踪精度得到了一定程度的提高.

主动段弹道跟踪与关机点估计算法研究

弹道导弹主动段跟踪是反导防御体系中极其重要的部分,也是制导拦截的关键一环。针对传统跟踪方法在弹道导弹主动段跟踪性能的不足,提出了一种新的变结构多模型主动段跟踪方法。它具有以下的优势:针对主动段运动模型的不确定性,采用可变结构多模型设计,适用于跟踪含多级助推段的导弹目标;采用不敏非线性滤波方法具有更好的跟踪精度。仿真实验中设计了两个实验场景,与传统方法相比较该方法明显地提高了跟踪的精度,同时可以估计出导弹助推段关机点的时刻。