分段跟踪识别器的多特征加权指标设计

分段跟踪识别器(STI)解决的是机动目标相邻运动模式切换时刻判定和运动模式参数辨识互相耦合的问题,这种非贝叶斯的方法不需要先验给定目标的运动模型集与模型之间的转移概率。STI在设计性能指标时主要存在以下两个问题:一是仅考虑目标位置与航向角连续性,特征量不完备;二是各连续性指标权重先验给定,缺乏设计准则。为此,提出了STI的多特征加权指标设计方法。首先,引入了速度连续性指标,改善了目标运动模式提取时特征量的完备性;然后,基于各指标的协方差矩阵对其权重分别进行了设计,消除了各指标量纲的影响。仿真结果表明,与STI相比,新提出的方法运行速度快,目标运动模式误切换次数与切换时延明显下降,目标位置与角速度估计精度也有所提升。

用于机动目标跟踪的分段机动识别方法

分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器.