基于当前统计模型的强机动目标跟踪算法

合集下载

“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

机动目标跟踪算法

在传统的跟踪过程中，接收到的测量值 !， …，是使用卡尔曼滤波器来处 $ ( # ) < # ! %，理，以获得最小均方差估计。对机动目标而言，需要研究其他的方案。文中的跟踪算法在下面讨论。
1 ! #0 时刻开始机动，则有"0 ( # ) & " ( # ) & 当# 根据卡 %#0 时 ( ， "0 ( # ) 3" ( # ) & 当# E #0时 ( 。尔曼滤波可得，在 # & #0 时刻目标机动的预测
认为最优的状态估计是多个
052
滤波器状态估计的加权和，每个滤波器对应一个特定的机动值。马吉尔 # 3-4%,, * 提出 6 阶并行卡尔曼滤波，而每个滤波器使用不同的目标模型。只有正确滤波器的新息序列是零均值的白噪声，以此可以来选择适当的估计，也可以使用 6 个滤波器的加权平均估计。科恩 # 78)9 * 等人提出了广义似然比 # ;<$ = 4(9()-,%>(? ,%’(@ ,%A88? )-B%8 * 的方法来进行机动检测和估计。这
假设目标加
######################################################
（C）（#）运用式进行融合处理，作为! ! 时刻传 D 感器 ! 的测量值，实现与传感器 2 在! ! 时刻的测量同步。计算时，（C ）中的 " 取值为
《情报指挥控制系统与仿真技术》 !""! 年第 # 期
机动目标跟踪算法
徐国亮编译摘要
文中提出了一种新的机动目标跟踪方法。一种基于新息序列的最快检测方案被设计出来，用
于目标机动的快速检测。对给定的虚警概率，得出了最小机动检测延迟的最佳滑动窗口长度。检测到机动后，用增加机动项的方法修正系统模型。文中提出用递推算法来估计机动幅度。使用该估计，修正的卡尔曼 % &’()’* + 滤波器可被用来对目标实施跟踪。仿真结果表明尤其是在目标机动过程中该算法具有优越的性能。

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

强机动目标自适应变结构多模型跟踪算法

ＺＥＧｎ，ＥＮＧｏ－ａＮＤｏｇＰＤｎｇＬｉｎｇ
ｒｙＬｂｒｔｒｆＦｎａｎａｃｅｃｏｔｎｌＤｅｅｓ — ｍｍｕｉａｉｎＩｆｒｔｏｒｎｍｉｓｏｎｕｉｎＴｃｎｌｇ，ＫｅａｏａｏｙｏｕｄｍｅｔｌＳｉｎｅｆｒＮａｉａｆｎｅＣｏｏｎｃｔｎｏｍａｉｎＴａｓｓｉｎａｄＦｓｏｅｈｏｏｙｏ
ｕｎｃｓａｙｉｔｒｃｍｐｔｉｎａｎｅｍｏｅｓｍａｂｅｕｅｔｅｐｒｏｍａｃ．ｏｒｓｌｅｔｉｐｏｌｍ，ｌａａｔｅｎｅｅｓｒｅ — ｏｅｉｏｍｏｇｔｄｌｎｔｈｙｅｒｄｃｅｒｎｅＴｅｏｖｓｒｂｅａｄｐｉｈｆｈｌｖ
ｖｒｂｅｓｕｔｅｍｌｐｅｍｏｅ（ＶＭＭ）ｌｒｈｉｐｅｅｔｄＵｉｇｓｖｒｌｄｌｗｉｌｅｅａｇｔａｉｌｔｃｒｕｔｌｄｌＡＳａｒｕｉａｏｉｍｒｓｎ．ｓｅｅａｍｏｅｈｃｒａｄｔｔｒｅｇｔｓｅｎｓｈｅｔｏｈｔｍｏｉｎａｃｒｉｅｕｒｔａｇｔｎｕｅｉｇｌｖｌａｄｆｒｎｏｎｓｔｅａｏｔｍＣｄｕｔｅｍｄｌｔ，ｃｏｄｇｔｔｒｎｒｅｍａｅｖｒｅ，ｔｉｅｅｔｍｅｔｈｌｒｈａａｊｓｔｏｅ’ ｏｎｏｈｃｅｔｎｅｍ，ｇｉｎｈＳ
适应调整模型参数建立新的模型集合，并对其进行滤波估计．真结果显示该方法能更好的匹配目标运动规律，仿有效降低计算复杂度，提高跟踪精度．关键词：强机动；目标跟踪；自适应；变结构多模型；交互式多模型算法

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

基于“当前”统计模型的机动目标运动要素解算

ＺｈｕＬｏｉＨｕｈｎｘａｇＹｉＣｎｔｏａＣｅｇｉｎｈｅｇａ
Ｋｅｗｏｄｍａｅｖｒｎｔｒｅｍｏｉｎｌｍｅｔ “ｃｒｎ ” ｓａｉｔｃｙｒｓ：ｎｕｅｇａｇｔｉｔｏｅｅｎ；ｕｒｅｔｔｔｓｉｍｏｅ；Ｋａｍａｆｌｅ；ｍａｕｅｎｇａｇｔｄｌｌｎｉｔｒｎｅｖｒｔｒｅｉ
的估计结果直接影响避碰措施的采取，而影响整从
个避碰过程及避碰的效果。
我国著名学者周宏仁老师针对Ｓｎｅ模型的缺陷提ｉｒｇ出了一种非零均值的 “ 当前 ” 统计模型 … ，目标机其
动加速度的“ 当前 ” 概率密度用修正的瑞利分布描述，均值为“ 当前 ” 加速度预测值，实际应用证明这
ｔａｋｎｒｃｉｇ
Ａｂｓｒｃ：ｔａｔＡｓｉｉｇｎｒｌｙｈｐｓｅｅａｌｍａｅｖｒｎｉｔｅｒｃｓｏｏｌｉｎｖｉｎｅＴｈｒｆｒｎｕｅｇｎｈｐｏｅｓｆｃｌｓｏａｏｄａｃ．ｉｉｅｅｏｅ，ｔｅｈｐｒｃｓｏｏｅｉｉｎｆｃｌｕａｉｎｅｕｔｏｍａｅｖｒｎｔｒｅｍｏｉｎｌｍｅｔｗｉｈｖｄｒｃｉｆｎｅｎｆｅｔｆｓｉｃｌｓｏａｃｌｔｒｓｌｒｏｆｎｕｅｇａｇｔｉｔｅｅｎｌａｅｉｅｔｎｕｅｃｏｅｆｃｏｈｐｏｌｉｎｏｌｌｉａｏｄａｃ．Ａｆｅｏｖｉｎｅｔｒｃｍｐａｎｎｒｖｅｔｔｒｅｄｌｎｒｃｉｇａｇｒｔｉｒｇｍａｙｐｅａｎａｇｔｍｏｅｓａｄｔａｋｎｌｏｈｍｓ，ｔｉａｅｅｅｔｈ “ ｕｅ ’ ｌｉｈｓｐｐｒｓｌｃｓｔｅｃｒｎｔ ’ ｓａｉｔｄｌｔｔｓｉｍｏｅ，ｗｈｉｈｃｎｂｅｍｏｅｃｕｌｔｒｆｃｔｅｅｅｎｍａｕｅｎｃａｇｈａｏｈｒｍｏｅｓＴｈｃｃａｒａｔａｏｅｅｔｈｌｍｅｔｌｎｅｖｒｇｈｎｅｔｎｔｅｄｌ．ｉｅｓｍｕａｉｎｒｓｌｓｉｄｃｔｈｔｔｅａｇｒｔｉｌｔｏｅｕｔｎｉａｅｔａｈｌｏｈｍｏｖｒｅｕｃｌｎｃｕａｅｙ，ａｄｔｅｃｌｕａｉｎｒｓｌｃｎｍｅｔｉｃｎｅｇｓｑｉｋｙａｄａｃｒｔｌｎｈａｃｌｔｅｕｔａｅｏｗｉｈｅｕｒｍｅｔｏｈｐｃｌｉｉｎａｏｄｎｅｔｔｅｒｑｉｅｎｆｓｉｏｌｓｏｖｉａｃ．ｈ

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

机动目标跟踪技术研究

机动目标跟踪技术研究摘要：机动目标跟踪理论在国防和民用等领域具有重要的应用价值。

本文重点研究机动目标的建模和非线性系统的滤波的问题。

滤波算法是机动目标跟踪过程中一个重要的组成部分。

在对机动目标建模后，通过滤波算法对模型中的状态向量进行预测和估计。

本文首先在估计理论和方法的基础上引入了在线性系统中最常用和最基础的卡尔曼滤波算法。

然后针对本文所研究的问题，介绍了传统的非线性系统滤波算法扩展卡尔曼滤波算(EKF)，重点研究了无迹卡尔曼滤波算法(UKF)。

由于扩展卡尔曼滤波在滤波过程中首先要对非线性系统的模型进行线性化处理，因此就需要引入线性化误差，而无迹卡尔曼滤波是一种新的专门针对非线性系统的滤波算法，具有实现简单、通用性强，性能稳定等特点。

最后，在机动目标选定运动模型和滤波算法的基础上，对机动目标的运动作了仿真实验。

从仿真分析中可以看出，与传统的扩展卡尔曼滤波算法相比较，无迹卡尔曼滤波算法有较小的跟踪误差，较高的跟踪精度。

关键词：非线性系统滤波；机动目标；扩展卡尔曼滤波；无迹卡尔曼滤波Research on Tracking of Maneuvering TargetsAbstract：The problems of building the model of the maneuvering target tracking and thefiltering of the nonlinear systems are studied mainly.Meanwhile，the related simulation experiments are done on the base of the theory introduced.The filtering algorithm is a important part in the process of tracking the maneuvering target.After the model of the maneuvering target is confirmed，the vector of the state will be predicted and estimated through the filtering algorithm.The usual and basic Kalman filtering algorithm is introduced on the base of the theories and the methods of the estimation.Aiming at the studied problem,the traditional filtering algorithms of the nonlinear system named the Extended Kalman Filtering are introduced.the Unscented Kalman Filtering is introduced mostly.Because the model of the nonlinear system firstly must be linearized in the progress of the Extended Kalman Filtering，the error introduced in the progress of linearization is unavoidable.However，the Unscented Kalman Filtering is a new algorithm which study specially the nonlinear system and have some traits such as the realization easily，comprehensive application，stable performance and so on.With a view to the accuracy of tracking，the application of the Unscented Kalman Filtering in the Tracking to the maneuvering target is studied mainly.At last，according to the model and the filter algorithm，the simulation experiments about the movement of the maneuvering target is done.To the conclude from the analyses of the simulation，the Unscented Kalman Filtering has high accuracy in tracking.With the comparison to the Extended Kalman Filtering，the Unscented Kalman Filtering has the less error of the tracking.Keywords：nonlinear system filtering；maneuvering target；Extended Kalman Filtering(EKF)；Unscented Kalman Filtering(UKF)目录第一章绪论 (1)1.1本文研究的目的与意义 (1)1.2目标跟踪算法的研究现状 (1)1.3单机动目标跟踪的基本原理 (4)1.4机动检测与机动辨识 (5)1.5本文所要研究的工作及论文结构安排 (5)第二章机动目标运动模型 (7)2.1概述 (7)2.2坐标系的建立 (7)2.3常用的机动目标运动模型 (9)2.3.1机动目标运动模型概述 (9)2.3.2常速和常加速模型 (9)2.3.3一阶时间相关模型(singer模型) (10)2.3.4“当前”统计模型 (11)2.4量测模型 (13)2.4.1量测坐标系的选择 (13)2.4.2量测模型的表示 (13)2.5本章小结 (15)第三章卡尔曼滤波算法及非线性系统滤波算法 (16)3.1概述 (16)3.2卡尔曼滤波 (16)3.3非线性系统的滤波 (18)3.3.1扩展卡尔曼滤波(EKF) (19)3.3.2 UKF滤波 (21)3.3.2.1 UT变换 (21)3.3.2.2 UKF (23)3.6本章小结 (26)第四章基于UKF滤波算法的单机动目标跟踪 (27)4.1运动模型的推导 (27)4.2机动目标跟踪中的UKF滤波算法 (29)4.3基于CA模型的UKF滤波算法的仿真试验 (31)4.4本章小结 (32)第五章总结与展望 (33)5.1总结 (33)5.2展望 (33)致谢................................ 错误！未定义书签。

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

高速机动目标的跟踪性能分析和算法研究的开题报告

高速机动目标的跟踪性能分析和算法研究的开题报告摘要：随着现代军事技术的发展，高速机动目标的跟踪成为了一个重要的研究方向。

本文的研究内容主要是基于高速机动目标的跟踪性能分析和算法研究，涵盖了高速机动目标的特性分析、跟踪算法分析和设计以及仿真实验等方面。

本文的研究意义在于探究高速机动目标跟踪的限制和瓶颈，寻找更优的算法设计方案，提升系统的性能表现。

1. 研究背景与意义高速机动目标跟踪是目标跟踪领域的一个重要研究方向。

它涉及到军事、航空、航天等多个领域，尤其在空中作战中具有重要的应用价值。

高速机动目标跟踪具有以下特点：目标运动速度快、加速度大、方向不断变化，导致目标的运动模式复杂且难以预测，因此对跟踪系统的响应速度和精度要求较高。

目前国内外研究人员已经提出了许多高速机动目标跟踪算法，但是这些算法仍然存在一定的局限性，如跟踪精度不高、跟踪时间长等问题，因此需要深入研究高速机动目标的特性和跟踪算法，提高跟踪系统的性能表现。

2. 研究内容与方法本文的研究内容主要包括高速机动目标的特性分析、跟踪算法分析和设计、仿真实验等方面。

2.1. 高速机动目标的特性分析本文将分析高速机动目标的运动特性，主要包括：目标的速度、加速度、角速度等基本特性，以及其对跟踪系统的影响。

同时还将研究目标的运动变化规律和运动模型，以期能深入了解高速机动目标的运动规律和特性，为跟踪算法的设计和优化提供理论依据。

2.2. 跟踪算法分析和设计本文将介绍国内外常用的高速机动目标跟踪算法，并探究这些算法的优缺点。

基于分析结果，本文将提出新的跟踪算法，阐明其原理和具体实现。

此外，还将分析算法的性能指标，包括跟踪误差、跟踪时间、鲁棒性等，并探究优化的途径与方法。

2.3. 仿真实验为了验证本文提出的跟踪算法的性能和可行性，本文将使用MATLAB等工具进行仿真实验。

将分别使用不同速度、加速度的高速机动目标，测试跟踪算法的性能和稳定性。

通过仿真实验结果的分析，将评估跟踪算法的性能表现，并寻找跟踪性能的瓶颈和优化方案。

基于Renyi信息增量的机动目标协同跟踪算法

收稿日期：2015-11-09修回日期：2015-12-27基金项目：国家自然科学基金资助项目（61174024）作者简介：谷雨（1982-），男，吉林双阳人，博士，副教授。

研究方向：目标跟踪、视觉伺服。

*摘要：针对基于多传感器组网进行机动目标跟踪的传感器管理问题，提出了一种基于R ényi 信息增量的机动目标协同跟踪算法。

首先结合“当前”统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法，来进行机动目标的状态估计；然后以R ényi 信息增量为评价准则，选择使R ényi 信息增量最大的单个传感器进行目标跟踪；最后利用得到的最优加速度估计进行网格划分，更新变结构多模型中的模型集合。

在一般机动及强机动场景下进行了算法性能分析，仿真结果表明，该算法能够合理地选择传感器，提高了对机动目标的跟踪精度。

关键词：协同跟踪，R ényi 信息增量，变结构多模型，网格划分，“当前”统计模型中图分类号：TP273文献标识码：A基于R ényi 信息增量的机动目标协同跟踪算法*谷雨1，石晶辉2，石弯弯1，董华清1，彭冬亮1（1.杭州电子科技大学通信信息传输与融合技术国防重点学科实验室，杭州310018；2.首都航天机械公司，北京100076）A Maneuvering Target Collaboration Tracking Algorithm Based on R ényi Information GainGU Yu 1，SHI Jing-hui 2，SHI Wan-wan 1，DONG Hua-qing 1，PENG Dong-liang 1（1.Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory ，Hangzhou Dianzi University ，Hangzhou 310018，China ；2.Captial Spaceflight Machinery Company ，Beijing 100076，China ）Abstract ：To solve sensor management problem when tracking one maneuvering target usingmultiple netted sensors ，the maneuvering target collaboration tracking algorithm based on R ényiinformation gain is proposed.A variable structure multiple model algorithm combining current statistics model and interacting multiple model unscented kalman filter is first proposed to estimate the states of maneuvering target.One sensor is then selected according to maximal R ényi information gain to perform target tracking.Grid partition is finally performed by estimation of the optimal acceleration to update possible model sets of the target.The performance of the proposed algorithm is analyzed in general and strong maneuvering scenarios ，and simulation results demonstrate that the proposed algorithm can select the optimal sensor reasonably and improves the accuracy for maneuvering target tracking.Key words ：collaborative tracking ，R ényi information gain ，variable structure multiple model ，grid partition ，current statistic model0引言随着军事电子技术的发展，利用单传感器对机动目标进行检测、跟踪和识别已经无法满足需求，而多传感器组网能够通过各单传感器间的协同实现资源的有效利用，从而提升对机动目标的跟踪性能［1］。

一个机动目标跟踪数据分析系统的实现

一个机动目标跟踪数据分析系统的实现郭庆平，杜俊吟，章必雄武汉理工大学计算机科学与技术学院，湖北武汉（430063）Email：ducat2003@摘要：本文提出了一种机动跟踪数据分析系统具体实现方案。

系统首先对雷达采集的数据进行预处理，随后使用内插外推法将各雷达采集的数据时间对准，然后通过航迹关联滤波完成航迹的关联，最后使用扩展卡尔曼滤波。

仿真实验结果表明，在扩展卡尔曼滤波算法的基础上，增加基于“当前”统计模型的自适应滤波算法对加速度方差公式进行修正，可以很好的解决融合结果发散的问题，提高数据融合的精度。

关键词：机动目标跟踪，卡尔曼滤波，数据融合1.引言在现代战争中，目标可分为机动目标（作非匀速直线运动或非匀加速直线运动的目标）和非机动目标（作匀速直线运动或匀加速直线运动的目标），而对目标进行观测的传感器主要是雷达、红外、声纳等。

机动目标的速度、加速度、位置等状态量变化快，使其难于跟踪。

由于现代战争对传感器测量结果的精度要求越来越高，提高单个传感器精度会使其成本剧增，所以通常会把多个传感器在空间和时间上的信息依照某种准则进行组合、相关，以获得对被测对象的一致性解释或描述，使该系统性能远远高于由它各组成的部分子集所单独构成的系统。

综合多个传感器的量测数据需经过一个复杂的数据分析过程，而本文提出的机动目标跟踪数据分析系统就是这一复杂数据分析过程的一个整体解决方案[1]。

本文所提出的数据分析系统使用两台雷达作为主探测器，并辅以红外探测器提供的目标方位信息。

红外探测器所具有隐蔽性好和抗干扰能力强等优点，使其成为雷达的一种很好的补充[2]。

在对两台雷达数据进行融合时，采用了扩展卡尔曼滤波算法。

扩展的卡尔曼滤波在目标加速度模型不准的情况下，数据融合的结果容易发散。

为解决这一问题，本系统参考周宏仁提出的基于“当前”统计模型的自适应滤波算法中的一个对加速度方差的修正公式，很好的解决融合结果发散的问题[3]。

2.雷达数据处理的一般流程多传感器的数据融合包括相关之前的传感器数据预处理，数据格式与坐标变换，数据时间对准，数据的空间融合，以及相关之后的航迹滤波与更新，直至得到完整的目标航迹数据。

基于当前统计模型的三维空间机动目标跟踪算法

基于当前统计模型的三维空间机动目标跟踪算法姜伟;田子希;张宝字【摘要】In the three-dimensional space, a new method for the current statistical kalman filtering algorithm using the radial velocity is presented for radar awareness system, which can detect target radial velocity and target angular velocity. A simulation about the pseudo Kalman filtering put forward by this thesis and the traditional Kalman filtering is given, which aim at the maneuvering target in three-demension. Simulation results indicate that the convergent velocity is accelerated and the convergent precision is increased when the radial velocity and angular velocity is adopted. The new pseudo Kalman filtering has some significance for project practice.%对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的当前统计卡尔曼滤波算法.针对三维空间中的机动目标,将新提出的算法和传统算法进行仿真,结果表明,当引入距变率和角变率时,其收敛速度加快,收敛精度提高,改善了跟踪性能,具有工程实践指导意义.【期刊名称】《舰船科学技术》【年(卷),期】2011(033)012【总页数】5页(P24-27,41)【关键词】目标跟踪;当前统计;距变率(径向速度);角变率(角速度)【作者】姜伟;田子希;张宝字【作者单位】海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033【正文语种】中文【中图分类】TN951在机动目标跟踪中，建立符合实际的目标运动模型一直是人们关注的重点。

基于当前统计模型的机动目标自适应跟踪算法

基于当前统计模型的机动目标自适应跟踪算法钱华明;陈亮;满国晶;杨峻巍;张玥【期刊名称】《系统工程与电子技术》【年(卷),期】2011(33)10【摘要】The current statistical model and adaptive Kalman filter algorithm have a good performance on strong maneuvering targets tracking, but poor on weak and non-motorized maneuvering targets. To solve this problem, a bell shape function is utilized as fuzzy membership function to adjust the upper and lower limits of target acceleration. Then the algorithm can adjust the process noise variance of stable acceleration adaptively and improves the tracking accuracy effectively. By using the idea of fading factor of the strong tracking filter, a fading factor is proposed to adjust revised extreme value of acceleration. The delay time of tracking can be shortened obviously when there is a sudden maneuver or the acceleration changed greatly. Simulation results show that the algorithm has a good performance on tracking weak and non-maneuvering maneuvering targets.%当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差.针对这一问题,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自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度.同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度.仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果.【总页数】5页(P2154-2158)【作者】钱华明;陈亮;满国晶;杨峻巍;张玥【作者单位】哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;西安交通大学电气工程学院,陕西西安710048【正文语种】中文【中图分类】TN273【相关文献】1.基于当前统计模型的三维空间机动目标跟踪算法 [J], 姜伟;田子希;张宝字2.基于当前统计模型的VDA机动目标跟踪算法 [J], 张媚;梁彦;王增福;杨峰;潘泉3.基于当前统计模型的强机动目标跟踪算法 [J], 刘宝光;陶青长;潘明海4.改进的机动目标当前统计模型自适应跟踪算法 [J], 崔彦凯;梁晓庚;贾晓洪;王斐5.基于当前统计模型的机动目标自适应强跟踪算法 [J], 刘望生;李亚安;崔琳因版权原因，仅展示原文概要，查看原文内容请购买。

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)。

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
ｐｅｉｔｎｅｕｔｎｆｅａｏｔｍｂｓｄｏｅｃｒｎｔｔｔａＣ）ｍｄｌｗｉｈｍｋｓｔｅｒｄｃｉｑａｏｒｈｌｒｈａｅｎｔｕｒｔｓｉｉｌ（Ｓｏｅ，ｈｃａｅｈｏｉｏｔｇｉｈｅａｓｃｅｕｔｎｂｅｓｍｓｈｔｆｈｏｓｎＡｃｌｒｔｎ（Ａ）ｍｏｅｗｔｔｅｖｒｎｅａａｔｅｙｑａｉｅｔａｅａａｏｅＣｎｔｔｃｅａｏＣｏｈｔｔａｅｉｄｌｉａａｃｄｐｉｌｈｈｉｖ
ｔｃｉｇｔｅｍａｅｖｒｎａｇｔｗｔａｉｂｅａｃｌｒｔｎａｅｗｅｋｎｄＷｉｈｄｆｄＲａｌｉｈｒｋｎｎｕｅｇｔｒｅｓｉｖｒａｌｃｅｅａｉａｅｅ．ｔｔｅｍｏｉｅｙｅｇａｈｉｈｏｒｈｉｄｓｒｕｉｎｓｌｕｅｏｄｓｒｂｈｔｔｔａｈｒｃｅｓｉｓｏｈｎｕｅｎｃｅｅａｉｎ，ｎｉｔｂｔｔｌｓｄｔｅｃｅｔｅｓａｉｉｌｃａａｔｒｔｆｔｅｍａｅｖｒｇａｃｌｒｔｉｏｉｉｓｃｉｃｉｏａ
摘
要：当前统计模型算法将当前加速度均值作为输入控制项引入一步预测方程，实质上变为
方差自适应变化的匀加速直线运动模型，虽然单位阶跃加速度输入的稳态误差为零，对变加但速度运动的机动目标跟踪效果变差。本文提出一种改进算法，保留修正瑞利分布描述机动在
ＡｂｔａｔＴｅｃｒｅｔａｃｌｒｔｎｍｅｎｖｌｅａｈｎｕｏｔｏｉｕｅｎｔｅｏｅｓｅ・ｈａｓｒｃ：ｈｕｒｎｃｅｅａｉａａｕｓｔｅｉｐｔｃｎｒｌｓｓｄｉｈｎ・ｔｐ・ｅｄｏ－ａ
ｗｔｈｌｏｔｍｆｔｅＣｄｌｔｅｓｍｕａｉｎｒｓｌｓｏｈｔｔｅｉｒｖｄａｇｒｔｍｓｉｔｅａｇｒｈｏｈＳｍｏｅ，ｈｉｌｔｅｕｔｈｗｔａｈｍｐｏｅｌｏｈｉｈｉｏｓｉｅｉｅｔｕｅｏｅｔｃｉｇｐｒｏａｃｓｏｅｍａｅｖｒｇｔｇｔｔａｉｌｃｅｅａｉｎｖｄｎｌｓｐｒｒｉｔａｋｎｅｒｎｅｆｈｎｕｅｎｅｓｗｉｖｒｅａｃｌｒｔ．ｙｉｎｈｒｆｍｔｉｒａｈｂａｏ
第３２卷
第１期
雷达与对抗
ＲＡＤＡＲ＆ＥＣＭ
Ｖｏ．２Ｎｏ１１３．
Ｍａ．０１ｒ２２
２１０２年３月
基于当前统计模型的强机动目标跟踪算法
刘宝光陶青长潘明海，，
（．１南京航空航天大学电子信息工程学院，南京２０１；．清华大学精密仪器与机械学系，京１０８）１０６２北００５