基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计(MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.

一种带改进“当前”统计模型的GPS/DR车辆组合定位系统

文中分析了"当前"统计模型在GPS/DR车辆组合定位实际应用中的问题,基于"当前"统计模型原理提出一种改进的"当前"统计模型,并将其应用于GPS/DR组合定位系统的数据融合中。实地跑车数据验证表明:使用该算法的定位系统无需任何参数的预先设定,即可实现对系统方差的自适应调整,对车辆的各种运动状态进行准确跟踪。

状态信息和轨道信息下的非合作目标精密跟踪技术

针对随机脉冲推力控制下的空间机动目标跟踪问题,提出一种基于状态信息和轨道信息的实时跟踪算法。该算法通过基于机动推力a-β动力学模型和改进当前统计模型的并行计算滤波器,完成空间非合作目标高精度实时跟踪。同时,利用直观的轨道信息,完成机动检测,采取重置滤波参数的方式获得更快的收敛速度和稳健性。仿真实验表明该算法可有效检测机动,实现了对非合作目标机动目标的轨道确定,具有一定的工程实用性。

GPS／DR车载导航滤波技术研究

针对描述车辆变化过程的“当前”统计模型在车辆处于弱机动情况下跟踪性能较差的不足，提出了一种改进的“当前”统计模型来描述车辆的各种机动特性。分析了采用扩展卡尔曼滤波技术（EKF）的GPS／DR组合定位方法，针对EKF在处理非线性模型上的不足，采用了无迹卡尔曼滤波技术（UKF）来实现GPS／DR组合定位，以进一步提高车载导航系统的精度，仿真结果表明定位精度由8m提高到5m。