多机动目标GM-CBMeMBer跟踪算法

针对杂波环境下标准的势均衡多伯努利滤波器不能有效跟踪多机动目标的问题,本文提出了一种新的多机动目标跟踪算法。该方法将势均衡多伯努利滤波器与"当前"统计自适应模型相结合,对目标的运动状态矩阵进行扩维,改变了目标状态转移矩阵和过程噪声方差,增加控制矩阵,实现目标加速度的自适应调整,从而使新算法能够适应目标运动状态的变化。仿真结果表明,在机动条件下,新算法能有效地跟踪多机动目标,而且跟踪精度较高。

嫦娥五号月面上升和下降段实时轨道确定

针对月球探测中月面上升和下降段的实时轨道确定问题,提出基于三向测量的实时自适应当前统计方法。首先,通过自适应当前统计模型描述探测器月面上升下降过程,其次,综合利用三向数据进行测量更新,最后,通过UKF滤波算法完成实时轨道确定。由于自适应当前统计模型具有良好的适应性,该方法能对探测器月面上升和下降段进行有效定位,通过嫦娥五号探测器实际上升和下降过程数据进行测试,结果表明,文章提出的基于三向测量的实时自适应当前统计方法比传统的几何定位方法具有更好的抗差性,对深空目标探测具有一定的工程应用价值。

基于强跟踪滤波器的交互式多模型算法

针对传统的EKF-IMM算法鲁棒性较差等问题,提出了一种基于强跟踪滤波器(STF)的交互式多模型算法。该算法通过引入强跟踪滤波器(STF)的渐消因子,实现了对滤波器增益的实时调节,从而提高了系统对机动目标的自适应跟踪能力和跟踪精度。仿真结果表明,在目标不发生机动时,该算法和EKF-IMM算法的跟踪效果相近,在目标发生强机动时,该算法在径向速度和方位角的跟踪精度要优于EKF-IMM算法;提出的算法具有更优的机动目标跟踪性能。

多传感器多机动目标跟踪的CPHD滤波算法

针对单传感器在多机动目标跟踪系统中不能很好地处理目标数目变化与突发机动的问题,提出了多传感器多机动目标跟踪的概率假设密度滤波算法.以CPHD滤波算法为理论基础,同时递推概率假设密度(PHD)函数和基数分布,避免了多目标多传感器的数据关联问题.结合自适应当前统计模型,选择3个雷达作为跟踪目标的传感器,相比于单传感器降低了信息的模糊度,提高了可信度.仿真结果比较表明了多传感器CPHD滤波算法在多目标跟踪方面的性能优势.