改进的机动目标当前统计模型自适应跟踪算法

合集下载

基于当前统计模型的强机动目标跟踪算法

中图分类号：Ｎ５Ｔ９３
文献标志码：Ａ
文章编号：０９— ４１２１）ｌ一０８— ３１０００（０２Ｏ０２０
Ａｎｉｒｖｄｔａｋｎｌｏｔｍａｅｎｃｒｅｔｓａｉｔａｍｐｏｅｒｃｉｇａｇｒｈｂｓｄｏｕｒｎｔｔｉｌｉｓｃ
加速度统计特性的基础上，选择零均值时间相关模型，并与当前统计模型算法进行比较。仿真结果表明，本算法对变加速机动目标的跟踪性能明显优于当前统计模型算法。
关键词：当前统计模型；当前机动加速度；均值时间相关模型；动目标跟踪零机
ｃａｅＴｈｕｈｔｅｔａｙｓａｅｅｒｒｆｒｔｅｎｉ－ｔｐｃｅｅａｉｎｓｅｏ，ｔｒｏｍａｅｏｈｎｇｄ．ｏｇｈｓｅｄ－ｔｔｒｏｏｈｕｔｓｅａｃｌｒｔｏｉｚｒｈｅｐｅｒｎｃｓｆｆ
ｉｒｖｄａｇｒｔｍｓｐｅｅｔｄｗｉｈｄｐｔｎｏｅｏｍｅｉ — ｏｅａｅｄ１Ｃｏｍｐｏｅｌｏｈｉｒｓｎｅｔｔｅａｏｉｆｔｚｒ — ａｔｍｅｃｒｌｔｄｍｏｅ．ｍｐａｅｉｈｏｈｅｎｒｄ
ｍｏｅｏｉｈｙｍａｅｖｒｎａｇｔｄｌｆｒｈｇｌｎｕｅｇｔｒｅｓｉ
ＬＵＢｏｇａｎ。ＰＮＭｉｇｈｌ
（．ｏｌｅｏｌｔｎｎｎｏｍｔｎＥｇｎｅｉＮｎｉｎｖｒｔｏＡｒｎｕｓ１ＣｌｇｅｆＥｅｒｉａｄＩｒａｉｎｉｒｇ，ａｊｇＵｉｓｙｆｅａｔｃｏｃｆｏｅｎｎｅｉｏｉｃａｄＡｔｎｕｉ，Ｎｎｎ１０６２ＤｐｒｅｔＰｅｉｏｎｔｍｎｓｎｓｏａｔｓａｊｇ２０１；．ｅａｔｎｒｃｉＩｓｕｔｒｃｉｍｏｆｓｎｒｅａｄＭｅｈｎｌｙＴｉｈａＵｉｒｔ，ｅｇ１０８）ｎｃａｏｏ，ｓｇｕｎｖｓｙＢｎ００５ｇｎｅｉ

“当前”统计模型机动目标跟踪的改进算法

分别为和ｙ方向加速度的机动频率，观测周期，，，为分别为、向状态噪声的方差。ｙ方
收稿日期：０６—０２０７—１９作者简介：刘海燕（９８一，，士研究生，１７）女博主要研究方向为信息融合．
维普资讯
Ｘ＝
一
ｌ
Ｘ１＋
一
一
瓦１
＋
，１、
／
Ｚ＝
Ｘ＋
（）１式中，状态向量Ｘ＝［，，，，］；是一均值为零，戈蔸Ｙ，Ｔ方差为Ｑ的白噪声序列；是一均
值为零，方差为Ｒ的高斯白噪声序列。Ｑ的取值依赖于Ｏ，２２参见文献Ｅ］／Ｏ，／，（４中的式８２）Ｏ，．１。／
摘要：针对“ 当前” 统计模型最大加速度取固定值，对加速度较小的非机动及弱机动目的跟踪精标度不高的弱点，出了一种新的跟踪算法。新算法中根据当前加速度的大小给出前最大加速度并为尽快提响应目标机动采用状态噪声方差补偿方法，因此能够根据机动特性自适应调整当前最大加速度的值，适自应调整系统方差，实现了对机动目标的更为精确的跟踪。
５２
《军事运筹与系统工程》２００７年第１期
｛
ｆ２２＝
２
＝
・
・
． ¨
［一Ｉ，一１Ｉ口一ａ（ｋ）］
［一Ｊ— ａ（，口Ｉ一１Ｉ）］
（）２
２
（）中，一，分别为方向和Ｙ向加速度的最大值。ｋｋ一１，ｋｋ一１２式ｏｏ方ａ（，）ａ（，）分别为方向和Ｙ方向的ｋ一１时刻到ｋ时刻的加速度的一步预测，可视为“ 当前 ”加速度。ｃｓ模型中，当机动频率和观测周期给定时，卡尔曼滤波的增益取决于状态噪声方差。（）式可看从２出若机动频率和观测周期已给定，目标机动加速度的最大值。一和ｏ～取固定值所存在的问题是：非若机动或弱机动的目标以较小的加速度运动时，由于当前加速度与最大加速度的差值很大，波器增益过滤大，致系统误差变大，导跟踪精度较差。可见，若最大加速度取固定值，在跟踪过程中由于最大加速度不能

基于改进“当前”统计模型的目标跟踪算法

ｓｗｈｈｏｐｅｌｒｔｈｏｔａｔｔｅｐｒｏｓｄａｇｏｉｈｍａｆｅｔｖｅｙｔａｋｔｅｓｒｃｎｅｆｃｉｌｒｃｈｔｏｎｇｏｒｗｅｋａｕｅｒｎｇｔｒｅ．ａｍｎｅｖｉａｇｔＫｅｒｙｗｏｄｓ：ａａｉｇｉｈ；ｃｒｅｔｔｓｉａｄｐｔｖｅａｌｏｒｔｍｕｒｎｔｓａｉｔｃｌｍｏｄ；ｉｔｒｃｉｇｍｕｌｉｌｅｌｎｅａｔｎｔｐｅｍｏｄｅ；ｍａｕｒｎｇｔ — ｌｎｅｖｅｉａｒ
ＷＡＮＧｕ—ｉｎＳｈｌｇ．ＲＵＡＮａＨｕｉｌａ —ｉｎ
（ｅｔｏｉｎｉｅｒｎｎｔｕｅｏＡ，Ｈｅｅ２０３，ＣｉａＥｌｒｎｃｇｎｅｉｇＩｓｉｔｆＰＬｃＥｔｆｉ３０７ｈｎ）
Ａｂｓｒｃｔａｔ：Ａｎａｐｉｅｔａｃｎｇａｌｏｒｔｍａｅｍｐｏｄｃｒｅｔｔｓｉａｄａｔｖｒｋｉｇｉｈｂｓｄｏｎｉｒｖｅｕｒｎｔｓａｉｔｃｌｍｏｄｌｉｏｐｓｄ．Ｏｎｅｓｐｒｏｅｅ
ｗｅｋｍａｅｖｒｎａｇｔ．ＡｌｏｔｅｍｅｅｓｉｕｃｉｎｉｕｅｏａｊｓｈｏｍｕａＴｈｎ，ｍｕｔｌａｎｕｅｉｇｔｒｅｓｓ，ｈｍｂｒｈｐｆｎｔｓｓｄｔｄｔｔｅｆｒｌ．ｏｕｅｌｉｅｐ
第４期２１ＯＯ年８月
雷达科学与技术
ＲａｄａｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏＩｏｇｙ

一种改进机动目标跟踪算法跟踪精度分析

通过分析和仿真表明，改进的加速度估计方法对超高速机动目标具有很好的跟踪效果。
运动变化的改进模型。对于一个好的运动模型，要求其既应符合机动实际，又要便于进行数学处理。目前，
机动目标的运动模型主要有匀速ＣＶ模型、匀加速ＣＡ模型、Ｊｒｅｋ模型、Ｓｎｅｉｇｒ模型和“ 当前 ” 统计模型【３１１．
１ “ 当前 ”统计模型机动目标跟踪算法
一
维情况下，“ 当前” 统计模型的离散状态方程为
ｘ（＋）七，）七＋，）（＋七ｋ１＝中（＋１（）ｃ七七）七（）（１）
等。其中，ｃ，Ｃ模型的缺陷在于模型中目标的运ｖＡ动形式单一；ｅｋ模型的实质是在通常三维状态向量Ｊｒ增加一维向量即加速度变化率（目标加速度变化率的
进了” 当前” 统计模型的加速度估计方法。分析了机动加速度方差对跟踪精度的影响，同时进行了仿真验证．仿真结。
果表明，改进预测算法的“ 当前” 统计模型对高速机动目标的跟踪具有一定的优势．
关键词：机动目标跟踪；“ 当前” 统计模型；算法
中图分类号：Ｅｌ２１文献标识码：ＡＤＯＩ１．６￣ｉｎ１７．８９２１．．２：０３９．ｓ．３３１．００００４９ｓ６４
（ｉｇｕＡｔｍａｉｓａｃｓｔｔｏＳＣ，ｉｙｎａｇ２２０．ｈｎ）ＪｎｓｕｏｔｎＲｅｅｒｈＩｔｕｅｆＩＬａｕｇｎ２０６ＣｉａａｏｎｉＣｎ

一种新的机动目标跟踪的多模型算法

ｍａｅｖｒｎａｇｔａｅｅｓｒｄｂｎｅａｔｎｔｈｎｕｅｉｇｔｒｅｓｃｎｂｎｕｅｙｉｔｒｉｇｗｉｈｔｅＣＶｄ１Ｓｍｕａｉｎｒｓｌｈｗｈｔｗｈｎｔｅｅｃｍｏｅ．ｉｌｔｏｅｕｔｓｏｔａ，ｅｈｒｓ
Ｋｙｏｄ：ｎｅｖｒｇａｇｔｒｋｇＩｅｒｓＭａｕｅｉｒｅｔｉ；ｗｎｔａｎＭＭ（ｔｒｔｇｌｐｅｏｅ）ＫｌｎｌｒＳｒｎｒｃｉｉｅｃＩｅａｉｔｌＭｄｌ；ａｎｃｎＭｕｉｓｍａｔ；ｔｇａｋｇｌｒｉｆｅｏＴｎＦｔ
“ ｕｒｎ’Ｓａｉｉｌ、ｄｌＣｅｔｔｔｔｃ（ｍｏｅｒ ’ ｓａＣＳ
ｌ引言
在目标跟踪领域，机动目标跟踪一直是个难点和重点问题，原因在于很难建立精确的机动目标模型。在已有的动态
型把机动加速度描述成一个零均值的一阶马尔可夫过程。 “ 当前” 统计模型则将Ｓｎｅ模型巾加速度零均值改进为自适ｉｇｒ应的加速度均值，使得跟踪精度和性能得到较大提高，得到
误差明显小于 “ 当前 ” 统计模型与ＣＶ交互的ＩＭＭ算法。关键词：机动目标跟踪；交互式多模型；卡尔曼滤波；强跟踪滤波器； “ 当前” 统计模型
中图分类号：Ｎ５Ｔ９３
文献标识码：Ａ
文章编号：０９５９（０）３５２４１０—８６０７０— ３— ２００
ＡｅＩＭｅｈｏｏａｋｎｇＭａｕｅｉｇＴａｇｔＮｗＭＭｔｄｆｒＴｒｃｉｎｅｖｒｒｅｎ

基于当前统计模型的目标跟踪改进算法仿真分析

在机动目标状态估计中，由于机动目标模型一般论上该残差符合零均值的正态分布。如果目标状态发生突变，残差会变大，均方值会偏离理论值，残差其若特征出现偏离，为目标的机动频率发生改变，认应
关键词：目标跟踪；当前统计模型；动频率；速度方差；尔曼滤波机加卡中图分类号：Ｎ５Ｔ９３文献标志码：Ａ文章编号：０９— ４１２１）１— ０４一４１０００（０２００２ｏ
Ｔｈｉｌｔｎａａｙｉｆｉｒｖｄｔｒｅｒｃｉｇａｇｒｔｍｓｅｓｍｕａｉｎｌｓｓｏｍｐｏｅａｇｔｔａｋｎｌｏｉｏｈ
ｃｒｅｔｓａｉｔａｍｏｅ，ｅｕｒｎｔｔｓｉｌｃｄｌｔｍｅｏｓｏｄｐｎｅｔｃｎｌｇｅｏｅａｃｌｒｔｎａｉＩｅｎｄｔｅｈｈｔｄａｏｔｇｔｅｈｏｏｉｓｆｔｃｅｅａｉｖｒａｉａｆｉｈｈｏｃｈａａｔｅｍａｅｖｒｎｅｕｎｙｔｅｌｅｔｅａｃｒｔａｇｔｔｃｉｇｕｄｒａｙｍａｅｖｒｂｅｃｒｕｔｎｅｄｐｖｎｕｅｇｆｑｅｃｏｒａｉｃｕａｅｔｒｅｒｋｎｎｅｎｎｕｅａｌｉｃｍｓａｃｓｉｉｒｚｈａａｅｐｏｏｅ．ｈｒｃｉｇｐｒｏｍａｃｓｏｅｔｔｏｓａｅｃｍｐｒｄｗｔｏｅｏｅｃｎｅｔｎｌｒｒｐｓｄＴｅｔｋｎｅｒｎｅｆｔｗｏｍｅｈｌｏａｅｉｔｓｔｏｖｎｉａａｆｈｄｈｈｆｈｏｅｈｄｈｏｇｔｅｏｕｅｓｍｕａｉｎ．ｗｈｃｉｄｃｔｔａｔｅｍｒｖｄｌｏｔｍｓｒｏｂｔｒｍｔｏｔｒｕｈｈｃｍｐｔｒｉｌｔｏｉｈｎｉａｅｈｔｈｉｏｅａｇｒｈａｅｆｐｉｅｔｅａａｔｂｌｙｄｐａｉｉ．ｔ

一种新的改进的“当前”统计模型的A适应滤波算法

㈤，式五（ｔ１）４）一中ｏｚＥ，（。是（采ｔ）样）问隔。其离散形式呵写为（１４）
（９）
度不高的问题，从加速度状态方程式中推导出机动频率自适应表达式；并结合已有的加速度方差自适应算法，提出了一种新的基于“ 当前” 统计模型的自适应卡尔曼滤波算法。仿真结果表明算法的有效性和合理性。关键词 “ 当前” 统计模型机动目标跟踪机动频率加速度方差中图法分类号ＴＰ２７３．２；文献标志码Ａ
式中为目标加速度，ａ（ｔ）为机动加速度均值，０（ｔ）为零均值指数相关的加速度噪声；Ｏｌ为机动频率，０９（ｔ）是零均值的白噪声。则目标的离散状态方程和观测方程为
ｘ（＋１）＝（ｋ＋１，）ｘ（）＋【，（）ｎ（ｊｃ）＋ＶＩ，（Ｊｉｃ）
＠
２０１４Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．
一
种新的改进的“ 当前” 统计模型的自适应滤波算法
骆荣剑李颖钱广华
（中国人民解放军重庆通信学院，重庆４０００３５）
摘
要
针对标准“当前” 统计模型中加速度和机动频率需要预先设定的不合理，以及在跟踪非机动和弱机动目标时存在精
第１４卷
第２期
２０１４年１月
科
学
技
术
与
工
程
Ｖｏ１．１４Ｎｏ．２Ｊａｎ．２０１４

基于改进粒子滤波的机动目标自适应跟踪算法

下融合ＥＦ的粒子滤波（Ｐ跟踪算法。ＫＥＦ）
１Ｆ与ＥＦ算法ＰＰ
首先考虑如下非线性模型：ｘ＝ｘ一，一）ｋＡ（１１
ｚ＝ｋｘ，ｋｈ（ｋ）
．
非线性非高斯问题时，ｏｄｎ等首次将Байду номын сангаас粒子滤波（Ｆ）Ｇｒｏ［Ｐ
ＴｅｈｑｕｎｅｈｄｃｎｉｅａｄＭｔｏ
基于改进粒子滤波的机动目标自适应跟踪算法
王树亮，怀林，晓君阮翁（肥电子工程学院，徽合肥２０３）合安３０７
摘要：在粒子滤波的基础上融合扩展卡尔曼滤波算法，合后的算法在计算提议概率密度分布融
跟踪系统。在实际处理数据时，要使用状态空间表示需
法对过程建模。在雷达跟踪系统中，标位置的测量值目
利分布表征机动加速度特性，因而更符合实际。常用的
选取系统状态的先验分布作为粒子滤波提议分布的算
适应跟踪性能。
关键词：粒子滤波；自适应跟踪；动目标机
中图分类号：Ｔ２５Ｐ７文献标识码：Ａ文章编号：１７ — ７０２１）６０８ — ４６４７２（００１ — ０３０
Ａｄｐｉｒｃｉｌｏｉｈｏａｕｅｉｇｔｒｅａｅａｔｖｅｔａｋｎｇａｇｒｔｍｆｒｍｎｅｖｒｎａｇｔｂｓｄ

基于“当前”统计模型的模糊自适应机动目标跟踪算法

ｔｅｒｂｅａｔｃｅｅｔｎｏｔｇｔｕｔｅｉｓｌｒｖｏｓｎｅｌｉｔｎｏｅａｊｓｓｓｍｃｖｒｎｅＴｅｓｍ — ｈｏｌｔｔｈａｃｌａｉｆａｅｍｓｂｔｅｐｅｉｌａｄｔｍｔｉｆｈｄｔｙｔｏａｉｃ．ｈｔａｐｍｈｅｒｏｒｎａｄｌｕｙｈｉａｏｔｕｅａｅｉ
维普资讯
・
２８・
《测控技术）０７年第２）０２６卷第８期
基于“ 当前＂统计模型的模糊自适应机动目标跟踪算法
李辉，现刚，曾左惟
７０７）１０２（西北工业大学电子信息学院，陕西西安
摘要：结合 “ 当前 ” 统计模型在目标跟踪方面的优越性，出了基于“ 提当前” 统计模型的模糊自适应机动目标跟踪ｎｔｈｄａｔｇｆ ‘ｕｒｎ ”ｓａｉｔａｄｌｎｔｒｅａｋｎ，ｈｕｚｄｐｉｅｔｒｅｒｃｉｇａｇｒｔｍｓｒｃ：ｏｉｉｇｗｉｔｅａｖｎａｅｏ ‘ ｒｅｔｔｔｉｌｈｃｓｃｍｏｅｇｔｒｃｉｇｔｅｆｚｙａａｔａｇｔｔｋｎｌｏｈｏａｔｖａｉｂｓｄｏｃｒｎ”ｓａｉｔａｄｌｓｂｏｇｔａｄｆｚｙｃｎｒｌｈｏｙｔｈｃｒｅｔｔｔｔａｄｌｓａｐｉｄｗｈｃａｖｉａｅｎ“ ｕｒｔｔｔｉｌｍｏｅｒｕｈ，ｎｕｚｏｔｅｒｔｅ“ ｕｒｎ ”ｓｉｉｌｍｏｅｐｌ，ｉｈｃｎａｏｄｅｓｃｉｏｔｏａｓｃｉｅ

一种基于改进的“当前”统计模型自适应跟踪算法

动态调整优化的问题；以及标准 “当前” 统计模型在跟踪非机动或弱机动目标时，精度不高的问题，在分析机动频率物理含义
及其与加速度变化关系、卡尔曼滤波的新息与加速度方差关系的基础上，提出了一种高效的机动频率和加速度方差双变量自
适应算法。仿真结果表明该算法能够很好地自适应目标的加速度变化；并能有效提高跟踪精度，大大提高了对非机动或弱机
模型的概率，自适应调整 “ 当前 ” 统计模型目标加速
切合实际的一种运动模型，其均值与方差自适应滤波算法得到了广泛应用。然而，ｃｓ模型对加速度方差的计算依赖于两个依据经验设定的参数：机动频
第１３卷
第ｌ５期
２０１３年５月
科
学
技
术
与
工
程
Ｖｏ１．１３Ｎｏ７ｌ一１８１５（２０１３）１５ — ４１９１ — ０７
ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ
第一作者简介：钱广华（１９８３一），男，硕士研究生。研究方向：多传
感器数据融合。Ｅ — ｍａｉｌ：２７０１５７７８７＠ｑｑ．ＣＯＢ。
跟踪效果不理想。Ｊｅｒｋ模型的局限性在于跟踪阶跃
Ｊｅｒｋ信号时存在确定性稳态误差。而多模型受限于

一种新的机动目标模型及其自适应跟踪算法

［１１
，
中图分类号：０ｌ．２１４６
文献标识码：Ａ
ＡｖｌａｅｖｒｎｒｅｏｅｎａｔｅＴａｋｎｇｒｔｍＮｏｅｎｕｅｉｇＴａｇｔＭＭｄ１ｄＡｄｐｉｒｃｉｇＡ１ｏｉａｖｈ
ＺＨＡＮＧｉｎｑａｇ，ＺＨＡＮＧｉｇｄｎ，ＷＡＮＧＪａ．ｉｎＰｎ－ｉＲｕｒ．ｃｅｃｎｔｕｅＡｉＦｒｅＥｇｎｅｎｉｅｓｔ，Ｘｉｎ７０５，Ｃｈｎ；１ＳｉｎｅＩｓｉｔ，ｔｒｏｃｎｉｅｒｇＵｎｖｒｉｉｙ ’ ｌ０ｌａｉａ２Ｍｉｉｎｔｔ，ＡｉＦｒｅＥｇｎｅｎｉｅｓｙＳａｙ７ｌ８０，Ｃｈｎ１．ｓｌＩｓｉｅｓｅｕｔｒｏｃｎｉｅｒｇＵｎｖｒｉ，ｈｉｔｎａｎ３０ｉａＡｂｔａｔｓｒｃ：Ｂａｈｎｔｕｃｔｎｇｕｓｐｏａｉｔｄｌｒｔｒｅａｋｎ．ｔｔｌｅｈｕｃｉｎｌｅａｉｎｂｔｅｅｓｏｒｎａｉａｓｒｂｂｌｙｍｏｅａｇｔｔｃｉｇｉｕｉｚｓｔｅｆｎｔａｌｔｏｅｗｅｎｔｏｉｏｆｒｉｏｒｈｍａｅｖｒｇｓａｓｏａｇｔａｄｔｅｅｔｔｎｏｈｅｇｂｒｎｎｅ－ａｌｐｓｉｎｉｆｒｔｎｔｋｅｎｕｅｉｔｔｆｔｅｎｕｒｎｈｓｉｉｆｔｅｎｉｈｏｇｉｔｒｓｍｐｅｏｉｏｎｍａｉｏｍａｅｔｍａｏｉｔｏｏｈｓｌａａｔｔｎｏｈｒｃｓｏｓａｉｃ．Ｔｈｓａｇｒｈａｏｄｅａｖｒｅｉｆｅｃｆｔｅｌｔａｃｌｒｔｏｅｆｄｐａｉｆｔｅｐｏｅｓｎｉｖｒａｅ－ｏｅｎｉｌｏｔｍｖｉｓｔｄｅｓｎｕｎｅｏｈｉｃｅｅａｉｎｉｈｌｍｉｐｅｕｐｓｄｉｌｓｅｔｆｔｇｔｒｃｉｇＡｕｅｆｓｍｕａｉｎｒｓｌｎｉａｅｔａｅａｇｒｔｍｏｎｙｈｓｇｏｒｓｐｏｅｔｅａｐｃｅａｋｎ．ｎｍｂｒｏｎＩｏａｒｔｉｌｔｅｕｔｉｄｃｔｔｔｌｏｈｎｔｌａｏｄｏｓｈｈｉｏｐｒｏｍａｃｎｔａｋｎｎｅｖｒｎｒｅ，ｕｌｒａｌｒｖｓｈａａｉｒｒｃｉｇｎｎｍａｅｖｒｎｇｔｅｒｎｅｏｃｉｇｍａｕｅｇｔｇｔｂｔｓｇｅｔｉｆｒｉａａｏｙｍｐｏｅｅｃｐｃｔｆａｋｎｏ－ｎｕｅｇｔｅ．ｔｙｏｔｉｒａＫｅｒｓｍａｅｖｒｎｒｅａｋｎ；ａａｔｅｆｌｒｎｙｗｏｄ：ｎｕｅｇｔｇｔｒｃｉｇｉａｔｄｐｉｔｉｇ；ＴｒｎａｉｎＧａｓｒｂｂｌｙＭｏｅｖｉｅｕｃｏｕｓｏａｉｔｄｌｔＰｉ

机动目标跟踪的一种新的方差自适应滤波算法

（）１
ｄ（：一１）一＝（一。＋（一１ｌ一１）ａ忌志）ｚ
Ⅱ
（）８
式中：（）为“ 五后当前 ”机动加速度均值，为状态
估计的加速度预测分量；为机动加速度的修正
收稿日期：００ｌ一５２１一２ｌ
Ｕ（（愚）志）
（２）
Ｍｅｒｔａ出的Ｊｒｈｏｒ提ｅｋ模型［，２以及在其基础上］的若干改进模型等［本文在 “ ３＿引．当前 ” 统计模型自
适应滤波算法的基础上，过分析新息与加速度通变化量之间的关系，出了一种机动加速度方差提的实时在线估计方法，加速度方差能随加速度使
机动目标跟踪在军事和民用等领域具有重要的用途．此，为人们建立了很多种加速度模型，如
周宏仁教授提出的 “ 前 ” 计模型＿，Ｋｉｏｅ当统１］ｓｒｈ
（ｆ走ｋ一１）一Ｆ（）（志忌一１Ｉｋ一１）＋
Ｖｏ．ＮＯ１３５．３
Ｊｎ０１ ห้องสมุดไป่ตู้ ｅ２１
机动目标跟踪的一种新的方差自适应滤波算法＊
巴宏欣ｕ何心怡方正 ¨ 李春芳
北京１０６）０１１（军指挥学院 ” 北京１０９）（军装备研究院空００７海
带来的跟踪精度不高的问题；时也避免了对目标加速度的极限值设定．论分析和仿真结果表同理明，对于 “ 前 ” 计模型，论是跟踪常速运动目标还是跟踪强机动目标，算法都具有较高的相当统无本跟踪精度．真结果验证了算法的有效性．仿

基于当前统计模型的VDA机动目标跟踪算法

Ｖｏ．３，Ｏ２１６Ｎ．
火力与指挥控制
ＦｉｅＣｏｔｏｒｎｒ１＆ＣｏｍｍａｄＣｏｔｏｎｎｒｌ
Ｆｂ，０１ｅ２１
第３６卷第２期２１０１年２月
文章编号：０２０４（０１０—０８０１０ —６０２１）２０５ — ４
ｈｏｒｚｎｒｄｒｉｏａａ
引言
天波超视距雷达（ｅ— ｅＨｏｉｎＲｄｒＯｖｒｔ — ｒｏａａ，ｈｚ
ｅｆｃｅｏｎｕｖｒｎｇｔｒｅｒｃｎｎｄｎｅｃｕｔｒｅｖｉｏｎｅｔｏｅ —ｈｅｈｉｏａｒｓｓｅ．ｆｉｉｎｔｆｒｍａｅｅｉａｇｔｔａｋｉｇｉｅｓｌｔｅｎｒｍｎｆｏｖｒｔ — ｏｒｚｎｒｄａｙｔｍＫｅｒｙｗｏｄｓ：ｎｕｅｉｇｔｒｅｒｃｉｍａｅｖｒｎａｇｔｔａｋｎｇ，ｕｒｅｔｓａｉｔｃｌｃｒｎｔｔｓｉａｍｏｅ，ｔｒｉｄａａａｓｃａｉｎ，ｖｒｔｅｄｌＶｉｅｂｔｓｏｉｔｏｏｅ — ｈ —
（ｃｏｌｆＡｕｏｔｏＳｈｏｏｔｍａｉｎ．ＮｏｔｗｅｔｒｌｔｃｎｃｌＵｎｖｒｉｒｈｓｅｎＰｏｙｅｈｉａｉｅｓｙ，Ｘｉａ１０２．ｉａ）ｔ ’ ｎ７０７Ｃｈｎ
Ａｂｔａｔ：ｈｏｌｍｆｍａｅｅｉｇｔｒｔｒｃｎｎｏｅ —ｈｅｈｏｉｏａａｓｒｃＴｏｔｅｐｒｂｅｏｎｕｖｒｎａｇｅｔａｋｉｇｉｖｒｔ－ｒｚｎｒｄｒ，ａＶｉｅｂｉｄｔｔｒａａ

基于改进自适应IMM算法的机动目标跟踪

摘要：中提出了一种改进的跟踪机动目标的自适应１文ＭＭ（ＭＭ）法．用协同转弯运动模型作为目标Ａ１算采的机动模型．过估计目标的角速度，通并在估计参数值的周围选择数量一定的模型组成模型集来覆盖目标所有可能的运动模式．用交互模型算法进行状态估计；用变结构思想，模型之间的切换理解为随机有向采应将
ＺＨＵＺｈｉｙｕ． — ＤＡ１Ｘｉｏｑａｇａ－ｉｎ
（ｃｏｌｆＥｌｃｒｎｃｎｎｏｍａｉｎＵＳＩ，ＪａｇｕＺｅｊｎｌ０３，Ｃｈｎ）ＳｈｏｅｔｏｉｓａｄＩｆｒｔ，Ｊｉｎｓｈｎｉｇ２２０ｏｏ ’ 。ａｉａ
维箭与制导学报
・３４・
基于改进自适应ＩＭＭ算法的机动目标跟踪
朱志宇，晓强戴
（江苏科技大学电子信息学院，苏镇江２０）江ｌ０３２
ｔｏｎｏｆｍａｕｖｒｔｇｅｒｋｉｇ．ｉｎｅｅａｒｔｔａｃｎ
Ｋｅｒ：ＭＭｌｏｒｔｙｗｏｄｓ１ａｇｉｈｍ；ａｐｔｖｉｔｒ；ｖａｉｄｓｒｃｕｒｄａｉｅｆｌｅｒｅｔｕｔｅ；ｍａｎｕｖｒｎａｇｅｅｅｉｇｔｒｔ
ｏｆｔｒｅｔＳｉｕａｉｅｓｌｓｉｄｉａｔｈｔＡ１Ｍａｇｈｒｐｅｉｉａｇ．ｍｌｔｏｎｒｕｔｎｃｅｔａＭｈｓｈｉｅｒｃｓｏｎ．ｂｅｔｒｓａｌｔｈＭＭｌｒｔｓｉｐｐｌａｔｅｔｂｉｉｙｔａｎ１ａｇｏｉｈｍｎａｉ — ｃ

改进的CS-UKF加速度方差自适应跟踪算法

考虑到雷达导引头测量的非线性跟踪问题，无迹卡尔曼滤波（ＵＫＦ）算法的计算量与扩展卡尔曼滤波（ＥＫＦ）算法等同，但精度却高于ＥＫＦ算法，［１１］本文选择ＵＫＦ算法作为非线性滤波算法。利用导引头实时测量信息与位置预测值之间的
收稿日期：２０１７０１１８；修回日期：２０１７０２２７。基金项目：河南省自然科学基金（１６２３００４１００９６）。作者简介：崔彦凯（１９８０），男，河南漯河人，博士，主要从事信号处理技术方向的研究。
扰动对加速度方差进行自适应调整，提出了改进的基于当前统计模型的无迹卡尔曼滤波加速度方差自适应跟踪算法。该算法有效提高了对弱机动目标和非机动目标的跟踪精度，且不依赖于最大加速度度初值。
１犆犛－犝犓犉滤波算法
１１目标运动状态数学模型当目标正以某一加速度机动时，下一时刻的加速度取值是
针对机动目标当前统计模型建模及跟踪中存在的问题，很多学者提出了不同的改进措施。文献［７］通过加权一个以残差方差的迹为参数的活化函数，对加速度方差和机动频率进行自适应处理。文献［８］用正态分布来弥补修正瑞利分布的缺陷，同时利用模糊隶属度函数对系统方差做加权调整。文献［９］结合升半正态形模糊分布函数特性，提出一种加速度方差两段函数自适应调整方法。文献［１０］提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的方法。
设计与应用
计算机测量与控制．２０１７．２５（５）犆狅犿狆狌狋犲狉犕犲犪狊狌狉１４５９８（２０１７）０５０２１５０３ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０１７．０５．０５９中图分类号：Ｖ２４９．１文献标识码：Ｂ

智能驾驶汽车的自适应路径跟踪方法

智能驾驶汽车的自适应路径跟踪方法智能驾驶汽车是当今汽车行业的一大创新。

它可以通过使用各种传感器和先进的计算机系统，实现自主导航、自动驾驶和交通流优化等功能。

其中，路径跟踪是智能驾驶汽车实现安全、高效行驶的关键环节之一。

本文将探讨智能驾驶汽车的自适应路径跟踪方法，并介绍一种基于模型预测控制（MPC）的路径跟踪算法。

智能驾驶汽车的自适应路径跟踪方法旨在使车辆能够准确地跟随设定的路径，并在遇到障碍物或其他交通状况时能够进行适应性调整。

传统的路径跟踪方法通常采用规则基础的控制策略，如比例-积分-微分（PID）控制器。

然而，这些方法往往难以应对复杂的道路条件和动态的环境变化。

基于模型预测控制（MPC）的路径跟踪算法是近年来被广泛研究和应用的一种方法。

MPC通过在线优化车辆控制策略，以预测未来的状态和轨迹，并选择最优的控制输入。

这种方法能够在保证快速响应的同时，充分考虑车辆动力学约束和环境因素。

MPC路径跟踪方法的核心是一个动态模型，该模型描述了车辆的运动特性和约束条件。

模型可以通过实时测量数据和先验知识进行参数估计和校准，以适应不同的驾驶条件和车辆类型。

在路径跟踪过程中，MPC根据当前车辆状态和期望路径，使用数学优化算法计算最优的控制指令，如转向角度和油门踏板位置。

MPC路径跟踪算法的实现还需要考虑环境感知和障碍物避免。

智能驾驶汽车通常配备多种传感器，如激光雷达、摄像头和超声波传感器，用于感知路面、车辆和障碍物。

这些传感器提供的信息可以用于生成环境地图和障碍物检测。

在路径跟踪过程中，MPC可以利用这些信息进行动态路径规划和即时调整。

然而，MPC路径跟踪算法也面临一些挑战。

首先，路径预测和优化计算需要实时性和高效性，以确保车辆能够快速、平稳地响应变化的道路条件。

其次，模型的准确性和鲁棒性对路径跟踪的性能至关重要。

不准确的模型可能导致控制误差和不稳定行驶。

此外，算法需要考虑车辆的动态约束，如最大加速度和转弯半径等，以保证行驶的安全性。

基于改进“自适应转弯”模型的机动目标跟踪算法

法进行了深入研究，对通过计算转弯率而建立跟踪模型方法进行了总结，出了相关文献中的自指适应转弯模型在实际应用中存在的不足，由此提出了两种采用平均转弯率的建模的方法，即在算法中引入６参数调整转弯ｃ和率的粗糙度，使用平均值的方法估计转弯率。通过仿真试验说明了改进算法的必要性和新建模型的有效性。关键词：目标跟踪；跟踪模型；弯模型；型集转模文章编号：０２８３（０２２ —１５０文献标识码：１０—３１２１）３０３．４Ａ中图分类号：Ｎ９３Ｔ５
ｔｒｉｇｒｔ”ｍｏｅ．ｍｐｔｒｇｎｅｉｇａｄＡｐｉａｉｎ，０２４（３：３ —３．ｕｎｎａｅｄ１Ｃｏｕｅｉｅｒｎｐｌｔｓ２１，８２）１５１８Ｅｎｎｃｏ
Ａｂｔａｔｈｓｐｐｒｒｐｓｓａｆｃｉｅｍｅｈｄｏｌ— ｄｌｉｔｒｃｉｅｍｕｔｍｏｅ）ｔａｋｎｎｕｅｉｇｓｒｃ：Ｔｉａｅｏｏｅｎｅｆｔｔｏｆｐｅｖｍｕｔｍｏｅ（ｎｅａｔｌ— ｄ１ｒｃｉｇｍａｅｖｒｎｉｖｉ
Ｋｅｙｗｏｒｄｓ：ｔｒｅｒｃｉｇ；ｒｃｉｇｍｏｌｔｒｉｇｍｏｌｍｏｅｅａｇｔａｋｎｔａｋｎｄｅ；ｎｎｄｅ；ｔｕｄｌｓｔ
摘
要：出了多模型（提交互多模型）跟踪机动目标的一种有效算法。对机动目标跟踪的自适应转弯模型建模方
ｍｅｈｄｏｅａｅｖｌｅＴｅｓｔｏｆａｒｇａｕ．ｈｉｌｔｎｔｓｒｖｓｈｅｅｓｔｆｍｐｏｅｎｎｅｖｌｉｆｈｅｍｏｅ．ｖｍｕａｉｔｏｅｅｎｃｓｉｏｒｖｈｄｙｔ

改进的“当前”统计模型自适应跟踪算法

向：目标跟踪。Ｅ — ｍａｉｌ：ｈｕａｐｏｆｅｉｘｕｅ＠１２６．ｔｏｍ。
免的会引入一些人为误差。经过长期的研究发展，机动目标模型主要有匀速（ＣＶ）模型、匀加速（ＣＡ）
难；其次是需要预先设定加速度的极限值，而在实
际中这是很难确定的。并且一旦目标的加速度超
瑞利分布的不足，并且定义调整因子用来自适应的
模型，、零均值一阶时问相关（Ｓｉｎｇｅｒ）模型Ｊ、 “ 当
前” 统计（ＣＳ）模型
、加速的各参数，克服了模型中一些参数需要
型 ’ 、交互多模型 ¨ 。。等。Ｓｉｎｇｅｒ模型将目标机动的这种不确定性表示为随机状态噪声驱动的结果，与ＣＶ／ＣＡ模型不同，Ｓｉｎｇｅｒ模型用有色噪声而不是
２０１３年４月１７日收到陕西省自然科学基金（２０１１ＪＭ８０２３）资助
摘
要
针对“当前” 统计模型算法及其改进的算法对弱机动目标存在较大跟踪误差，同时对机动加速度极限值有依赖的缺
陷。在分析传统“当前” 统计模型适用范围的基础上，提出了一种改进的“ 当前 ” 统计模型自适应算法。用截断正态分布来弥
补修正瑞利分布的缺陷；同时在此基础上通过预测残差向量定义调整因子对模型中各参数进行自适应调整，提高了机动模型

当前统计模型自适应滤波算法改进

１９期
颉凯平，等：当前统计模型自适应滤波算法改进
５５０５
ｆＸ（ｋ＋１／ｋ）＝（＋１／ｋ）Ｘ（ｋ／ｋ）＋ｕ（ｋ）ａ（）
（）＝［（ｋ）（ｋ）ｘ（ｋ）］
ｃ＋・，＝
（６）
ＩＰ（ｋ＋１／ｋ）＝（＋１／ｋ）Ｐ（ｋ／ｋ）ｏＴ（＋１／ｋ）＋
ＩＱ（ｋ）Ｋ（ｋ＋１）＝Ｐ（ｋ＋１／ｋ）
［ ‘ 一ｃ：三／］
Ｉ
１
×（＋１）［Ｈ（ｋ＋１）Ｐ（ｋ＋１／）
机动目标模型的好坏将对最终滤波估计结果产生决定性的影响，目标模型建立得越符合实际，
跟踪算法的自适应性越强，则目标跟踪的性能越
好 … 。国内外提出了多种不同的机动目标模型，主
零，方差为２ａｏ－的白噪声，ｏｒ：为目标加速度方差。
得状态噪声协方差矩阵较大，最终导致该算法对弱
机动目标并不能有较高的跟踪精度。
现基于 “ 当前” 统计模型自适应滤波算法的研
究及目标跟踪性能的分析，提出了一种改进算法，
要有ＣＡ模型、ＣＶ模型、Ｊｅｒｋ模型、Ｓｉｎｇｅｒ模型和“ 当前” 统计模型等＇。其中具有广泛应用的是由我

一种新的更好的基于“当前”统计模型的自适应滤波算法

２１年６月０１
西北工业大学学报
ＪｕａｆＮｒｈｅｔｒｏｙｅｈｉａｉｅｓｔｏｒｌｏｔｗｓｎＰｌｔｃｎｃｌＵｎｖｒｉｎｏｅｙ
Ｊｎ２１ｕｅ０ｌ
Ｖｏ＿９ｏ３Ｉ２Ｎ．
第２９卷第３期
良好的跟踪机动目标的能力。
布设定为均值可变的修正瑞利分布，其均值为 “ 当前” 加速度的预测值，认为目标下一时刻的加速度只能在 “ 当前 ” 加速度的邻域内，从而计算出 “ 当前 ”
收稿日期：０００－８２１－６０
作者简介：陈出新（９１）西北工业大学博士研究生，１８一，主要从事先进控制理论研究。
一
种新的更好的基于 “ 当前 ’ 计模型的 ’ 统自适应滤波算法
陈出新，周德云，张垄
（西北工业大学电子信息学院，西安７０２）１１９
摘
要：出一种新的基于“ 提当前” 统计模型的自适应滤波算法，对 “ 针当前 ” 统计模型自适应滤波算
由于“ 当前 ” 计模型的机动加速度概率密度统服从修正瑞利分布，故将目标“ 当前” 加速度的预测值作为当前时刻机动加速度瑞利分布的均值，利用瑞利分布方差随均值变化且由它决定的特点，现实了机动加速度均值和方差的自适应调整，因此具有
机动加速度的方差，过它的自适应来调整滤波过通程噪声方差阵，高了跟踪精度。然而，ｓ模型对提ｃ加速度方差的计算依赖于两个参数：动频率和机

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

（１．西北工业大学自动化学院，陕西西安７１００６８；２．中国空空导弹研究院科技部，河南洛阳４７１００９）摘要：针对机动目标当前统计模型自适应跟踪算法的加速度方差依赖于预先设定的加速度极值的问题，研究新的加速度方差调整方法。在机动目标当前统计模型的基础上，根据雷达实时观测信息，利用加速度扰动与位置变化量之间的物理关系，采用一种新的机动目标当前统计模型加速度方差自适应跟踪方法。仿真结果表明，新算法对高机动目标、一般机动目标均
ＡＢＳＴＲＡＣＴ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔａｃｃｅｌｅｒａｔｉｏｎｖａｒｉａｎｃｅｏｆｍａｎｅｕｖｅｉｎｒｇｔａｒｇｅｔｄｅｐｅｎｄｓｏｎｐｒｅｖｉｏｕｓｌｙａｓｓｕｍｅｄａｃｃｅｌｅｒａｔｉｏｎｅｘｔｒｅｍｅｖａｌｕｅｉｎａｄａｐｔｉｖｅｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｏｆｅｕｒｒｅｎｔｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌ，ｔｈｉｓｐａｐｅｒｒｅｓｅａｒｃｈｅｄａｎｅｗｃａｌ・ｃｕｌａｔｉｏｎｍｅｔｈｏｄｏｆａｃｃｅｌｅｒａｔｉｏｎｖａｒｉａｎｃｅ．Ｔｈｉｓｐａｐｅｒｐｕｔｆｏｒｗａｒｄａｎｉｍｐｒｏｖｅｄａｃｃｅｌｅｒａｔｉｏｎｖａｒｉａｎｃｅａｄａｐｔｉｖｅｌｇａｏｉｔｒｈｍ
ｏｆｍａｎｅｕｖｅｉｎｒｇｔａｒｇｅｔｃｕｒｒｅｎｔｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌ，ｗｈｉｃｈｕｓｅｓＲａｄｒａｒｅａｌｔｉｍｅｏｂｓｅｒｖａｔｉｏｎｌａｉｎｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｍａｎｅｕ —
ｖｅｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇｃｕｒｒｅｎｔｓｔａｔｉｓｔｉｃｌａｍｏｄｅ１．Ｔｈｅｓｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈａｔｎｅｗｌｇａｏｉｒｔｈｍｈａｓｂｅｔｔｅｒｔｒａｃｋｉｎｇｐｒｅｃｉｓｉｏｎｆｏｒｈｉｇｈｍａｎｅｕｖｅｉｒｎｇｔａｒｇｅｔａｎｄｇｅｎｅｒａｌｍａｎｅｕｖｅｒｉｎｇｔｒｇａｅｔ．Ｔｈｅｖｌｉａｄｉｔｙｏｆｔｈｅｎｅｗａｌｇｏｉｒｔｈｍｗａｓｐｒｏｖｅｄ；ａｎｄｎｅｗｌｇａｏｉｔｒｈｍｈａｓｓｏｍｅｐｒａｃｔｉｃｌａａｐｐｌｉｃａｔｉｏｎｖａｌｕｅｆｏｒｍａｎｅｕｖｅｉｎｒｇｔａｒｇｅｔｔｒａｃｋｉｎｇ．ＫＥＹＷＯＲＤＳ：Ｃｕｒｒｅｎｔｓｔａｔｉｓｔｉｃｌａｍｏｄｅｌ；Ｍａｎｅｕｖｅｉｒｎｇｔｒｇａｅｔｔｒａｃｋｉｎｇ；Ａｃｃｅｌｅｒａｔｉｏｎｖａｒｉａｎｃｅ；Ａｄａｐｔｉｖｅｉｆｌｔｅｉｒｎｇ
第３０卷第３期
文章编号：１００６ — ９３４８（２０１３）０３ — ００４２ — ０３
计
算
机
仿
真
２１３年３月
改进的机动目标当前统计模型自适应跟踪算法
崔彦凯，梁晓庚，贾晓洪，王斐
具有较高的跟踪精度，从而验证了新算法的正确性和有效性，对机动目标跟踪问题具有一定的实际应用价值。关键词：当前统计模型；机动目标跟踪；加速度方差；自适应滤波
中图分类号：Ｖ２４９．１文献标识码：Ｂ
ＭｏｄｉｉｆｅｄＡｄａｐｔｉｖｅＴｒａｃｋｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＣｕｒｒｅｎｔＳｔａｔｉｓｔｉｃａｌＭｏｄｅｌ
ＣＵＩＹａｎ — ｋａｉ，ＬＩＡＮＧＸｉａｏ — ｇｅｎｇ，ＪＩＡＸｉａｏ — ｈｏｎｇ，ＷＡＮＧＦｅｉ
（１．ＡｕｔｏｍａｔｉｏｎＣｏｌｌｅｇｅ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎＳｈａｎｘｉ７１００７２，Ｃｈｉｎａ；２．ＤｅｐａｒｔｍｅｎｔｏｆＴｅｃｈｎｏｌｏｇｙ，ＣｈｉｎａＡｉｒｂｏｒｎｅＭｉｓｓｉｌｅＡｃａｄｅｍｙ，ＬｕｏｙａｎｇＳｈａｎｘｉ４７１００９，Ｃｈｉｎａ）