欺骗干扰下机动目标跟踪联合优化算法

目标常采取机动加欺骗干扰策略以规避对方雷达系统的锁定。针对同时存在目标机动和距离欺骗的场景,提出了一种目标跟踪联合优化算法。首先,将目标机动和距离欺骗分别建模为动态方程和量测方程中的未知扰动;然后,基于期望最大化(EM)提出了一种状态估计和机动与欺骗参数辨识联合优化算法。为了降低计算量,在期望步(E步)基于URTS平滑器获得状态估计,并在最大化步(M步)解析推导出待辨识参数的更新公式。最后,仿真验证结果表明,该算法与传统交互式多模型(IMM)方法相比具有更高的估计及辨识精度。

基于MCMC-Gibbs采样的天波超视距雷达联合状态估计与模式辨识

天波超视距雷达(OTHR)目标跟踪面临着"三低"(低检测概率、低数据率、低测量精度)和"多路径"(多条传播路径)的严峻挑战,准确的传播模式辨识与精确的目标状态估计是改善跟踪能力的关键。针对上述问题,提出了一种基于马尔科夫蒙特卡洛吉布斯(MCMC-Gibbs)采样的OTHR联合状态估计与模式辨识算法,该算法通过MCMC-Gibbs采样求取当次迭代当前拍最优的关联矩阵,进而利用同时多量测滤波进行状态和协方差更新,最后引入联合估计与辨识风险函数寻求最优的模式辨识与状态估计结果。不同仿真参数下仿真结果表明该算法的有效性,同时该算法在径向距和方位角估计精度上均高于多路径概率数据关联算法(MPDA),但这是以计算量为代价的。

基于条件期望最大化的断裂航迹粘连

目标机动容易导致雷达MTI航迹断裂、航迹连续性差,目标密集情况下,甚至可能导致目标数目的误判,这对态势评估及战术决策非常不利。提出一种新颖的ESM辅助下的MTI转弯机动目标航迹粘连算法,综合使用ESM属性信息和MTI位置信息,基于条件期望最大化(ECM)框架实现状态估计、机动起始终结时刻辨识和转弯角速率的联合优化。仿真结果表明,引入ESM信息可以减少断裂航迹数量、提升航迹连续性15%以上。

基于HCKS-EM的战斗机蛇形机动目标跟踪算法

针对有色量测噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,基于期望最大化(EM)算法框架,提出了一种带有色量测噪声的联合估计与辨识算法。通过采用量测差分法实现了有色噪声白化,从而将有色量测噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题。基于EM算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识:在Estep,通过利用有色量测噪声背景下的高阶容积卡尔曼平滑(HCKS)算法,获得了目标状态的后验估计;在M-step,通过极大化条件似然函数,进而获得转弯角速度的解析解。通过仿真验证了本文算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法以及交互多模型法。而且又从窗口长度以及最大迭代次数2个方面评估分析了算法的性能,仿真结果表明,窗口长度以及最大迭代次数越大,精度越高。

量测随机延迟下带非高斯噪声的目标跟踪算法

为解决量测一步随机延迟及非高斯噪声条件下战斗机蛇形机动模式转弯角速度辨识问题,更好地实现蛇形机动的稳定跟踪,考虑到目标状态与转弯角速度之间相互耦合的特性,基于联合估计与辨识的思想,依据极大似然准则,提出了一种基于期望最大化的目标状态估计与转弯角速度辨识联合优化算法.该算法主体包含两个部分:E-step和M-step.在E-step,首先,通过充分考虑量测一步随机延迟特性及非高斯量测噪声,重新构造了粒子滤波器的似然函数,进而改进了粒子权重的更新公式,同时,为避免粒子贫乏现象的发生,将粒子群优化算法引入到重构的粒子滤波器当中进一步改进粒子采样过程;其次,将拒绝采样思想引入到后向模拟粒子平滑器当中,并相应地设置拒绝采样终止条件,优化后向模拟粒子平滑器,进一步提高平滑算法的执行效率;最后采用改进的粒子滤波器与后向模拟粒子平滑器进一步获取目标状态的平滑量;在M-step,通过采用牛顿迭代法极大化条件似然函数,从而获得转弯角速度的估计量,用于下一次算法迭代.通过E-step和M-step的不断迭代,进而获得转弯角速度的闭环形式的优化解.仿真实验结果表明,所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法.

带异步相关噪声的战斗机蛇形机动跟踪算法

针对异步相关噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,从联合优化的解决思路出发,基于期望最大化(EM)算法框架,提出了一种带异步相关噪声的联合估计与辨识算法。首先采用"去相关框架"解除过程噪声与量测噪声之间的相关性,从而将异步相关噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题,其次通过解除目标状态与转弯角速度之间的非线性耦合关系,基于期望最大化算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识,从而获得转弯角速度闭环形式的解析解:在E-step,通过利用异步相关噪声背景下的高阶容积卡尔曼平滑器(HCKS),获得目标状态的后验估计;在Mstep,通过极大化条件似然函数,获得转弯角速度的解析解。最后通过仿真验证了所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法。