基于CA模型的转换坐标卡尔曼滤波

文中根据雷达对空间中的匀加速运动目标的跟踪要求,在三维空间中采用了转换坐标卡尔曼滤波算法(CMKFA),通过理论推导证明了当状态方程和测量方程满足一定条件时,转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法。在转换坐标卡尔曼滤波跟踪算法中,球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声,在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪,仿真结果显示,该算法收敛迅速,精度可以满足雷达对空间机动目标的跟踪要求。

雷达目标跟踪的转换坐标卡尔曼滤波算法

该文采用转换坐标卡尔曼滤波算法(CMKF)进行雷达目标跟踪,先将极坐标系下的测量值经坐标变换转换到直角坐标系下,再用统计的方法求出转换测量误差的均值和方差,去偏后利用标准卡尔曼滤波算法对目标进行跟踪。将仿真结果和推广卡尔曼滤波算法(EKF)的进行比较,结果表明,CMKF的滤波精度更高。

一种雷达目标运动要素解算方法研究

针对船舶导航避碰对水面目标运动要素实时高精度估算的要求,给出了一种基于去偏转换坐标卡尔曼滤波思想的目标跟踪算法。在算法中,通过非线性坐标转换并去偏后得到去偏转换测量值,实现目标状态方程和量测方程在笛卡尔坐标系的线性方程,采用标准卡尔曼滤波算法进行滤波。因此,只要解出去偏转换量测值误差方差即可按标准的卡尔曼滤波算法对目标进行跟踪。仿真结果表明,在保证滤波器不失配的前提下,去偏转换坐标卡尔曼滤波(DCMKF)算法收敛迅速并有较高精度,能够满足导航雷达实时应用的需求。

机动频率自适应的机动目标模糊跟踪算法

分析了基于"当前"统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整"当前"统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明:该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于"当前"统计模型的跟踪算法.