非均匀稀疏采样环境自适应α-β滤波算法

针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法。算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法。实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现。

基于自适应α-β滤波的目标跟踪算法研究

由于雷达对目标角度测量精度低,而红外传感器角度测量精度高,所以引入红外角度数据用以修正融合航迹点的方位角。建立了自适应α-β滤波的数据关联快速算法模型。进行了模拟战场实际目标的仿真试验。仿真结果表明该算法充分利用了红外与雷达的互补性,达到了降低目标航迹的方位角和俯仰角跟踪误差的目的,使航迹状态估计更加精确。

基于模糊逻辑的自适应α-β滤波新算法

针对非均匀稀疏采样环境下的被动机动目标跟踪问题,基于模糊逻辑推理,提出了一种新的自适应α-β滤波算法。详细分析了非均匀稀疏采样被动传感器上报数据的特点,将标准化新息和新息的一阶微分作为模糊推理的两个输入变量,并同时引入时间间隔、目标速度等因素,设计输入变量的调整因子,自适应获取滤波器参数。实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能优良,且易于工程实现。

一种改进的α-β目标跟踪滤波算法

数据处理系统是相控阵雷达实现搜索和对多目标精确跟踪的关键部分,目标跟踪滤波算法的优劣将直接决定系统的性能。介绍了一种改进的α-β滤波算法,然后将它和最小二乘滤波算法、卡尔曼滤波算法进行比较,对三种算法跟踪空中目标的直线飞行、改变航向的直线飞行两种情况的距离、方位、速度和航向等参数的均方差加以分析,证明了改进的α-β滤波算法在直线飞行模型下有着很好的综合效果,且计算量小,更有利于系统建模与仿真。

周视红外搜索系统对空中目标的搜索模型

针对周视红外搜索系统提出了基于固定载体和动载体的空中目标搜索模型,并以多站时间配准技术对该搜索模型进行了仿真分析。对于固体载体周视扫描,建立了红外搜索设备与目标的相遇关系原理图,对于动载体周视扫描,以大地坐标系为基础,分析了搜索设备的运动与目标运动之间的关系。采用自适α-β滤波技术进行时间配准,可以保证搜索的实时性及准确性。仿真试验针对不同的目标航迹,分析了目标的方位角、俯仰角在时间配准后的误差,试验结果证明提出的搜索模型在经过时间配准后对目标的搜索方位角误差大约为0.07mrad左右,俯仰角误差大约为0.08mrad左右。

精密测距的动态数据处理

无线电精密测距是通过无线电测量飞机、舰船、导弹等目标的精确距离和速度信息。根据飞机实际中的运动情况建立动态模型,采用适合于工程应用的新型自适应α-β滤波器对测距值进行实时动态处理,然后经过详细的MATLAB仿真,验证了动态滤波算法在保证实时性的前提下可以提高测距精度。

扇扫TWS雷达多目标跟踪中特殊问题的研究

分析了扇扫TWS雷达多目标跟踪中的特殊问题,提出了一种扇扫雷达下基于双重扇区划分的航迹预相关方法,该方法可以有效减少点迹航迹关联的判决次数,并通过分析同一目标相邻点迹之间采样间隔的变化规律,提出了目标出现时间的计算方法,进而修正了此种情况下自适应α-β滤波的滤波与外推方程,最后进行了仿真分析.

一种适于工程应用的杂波环境中机动多目标的跟踪方法

针对已有杂波环境中机动多目标跟踪算法运算量大的不足,提出了一种基于有机动检测和机动转稳态判断的自适应α-β滤波和改进的模糊数据关联的新方法,并利用滤波过程中的机动指标实时地调整波门的大小。该方法计算量小,易于工程实现。Monte Carlo仿真结果表明了该方法良好的跟踪性能。