1 北京理工大学 宇航学院, 北京 100081
2 中国北方工业公司军贸技术研究院, 北京 100053
3 西北工业集团有限公司, 陕西 西安 710043
针对红外制导导弹无法直接测量弹目距离、视线角速度及目标加速度等制导信息, 且单枚导弹的可观测量少, 目标定位误差大的问题, 考虑红外导引头的测量特性, 利用多枚导弹与目标的几何关系对目标进行协同定位。建立多枚导弹对目标的协同跟踪模型, 通过计算导弹间相对运动关系估算弹目距离, 并将其作为伪量测量, 结合导引头测角信息构建新的量测方程, 利用卡尔曼滤波估计出弹目距离和视线角速度等制导信息。针对机动目标, 研究了一种基于交互式多模型滤波方法, 利用多个目标机动模型加权融合的方法来估计真实目标机动模型。数学仿真表明该方法有效提高了对固定/机动目标的估计精度。
协同定位 卡尔曼滤波 交互式多模型 目标机动 cooperative location Kalman filtering interacting multiple model maneuvering target 红外与激光工程
2018, 47(4): 0404008
针对非线性系统中的目标跟踪问题, 在机动转弯模型的基础上提出容积卡尔曼滤波(CKF)与自适应网格(AG)思想相结合的变结构多模型(VSMM)算法, 即基于CKF的自适应网格交互式多模型算法(CKF-AGIMM)。该算法将CKF作为滤波器, 利用网格中心和网格最小间距的调整对转弯模型集进行自适应变化以有效跟踪目标。与基于容积卡尔曼滤波的交互式多模型算法(IMMCKF)进行了仿真对比。实验结果表明, 在未增加运行时间的情况下, 该算法相比于IMMCKF算法有更高的跟踪精度与稳定性。
目标跟踪 容积卡尔曼滤波 自适应网格 交互式多模型 变结构多模型 target tracking cubature Kalman filter adaptive grid interacting multiple model variable structure multiple model
1 海军航空工程学院信息融合技术研究所,山东 烟台 264001
2 中国人民解放军92664部队,山东 青岛 266031
针对临近空间高超声速目标飞行速度快、机动特性强和周期性滑跃的运动特点, 提出一种基于不同正弦模型(Sine模型)相交互的临近空间目标跟踪算法。首先, 针对临近空间目标所特有的周期性滑跃特性的运动轨迹, 采用基于低角速率的Sine模型有效解决现有机动目标模型对临近空间目标跟踪精度不高的问题; 然后, 针对目标滑跃式轨迹运动的特点及其参数未知的情况, 通过多个不同角速率的正弦模型相交互, 进一步提高正弦模型与临近空间目标所特有的周期滑跃式轨迹的匹配程度。仿真实验表明, 与现有的临近空间目标跟踪算法相比, 该算法具有更好的定位跟踪精度。
目标跟踪 临近空间 高超声速 交互多模型 周期滑跃式轨迹 target tracking near space hypersonic velocity interacting multiple model periodic sliding trajectory
1 天津大学精密测试技术与仪器国家重点实验室, 天津 300072
2 山东科技大学机械电子工程学院, 山东 青岛 266590
光电与雷达的数据融合能够实现两个独立传感器测量信息的互补, 改善对目标的识别跟踪能力。针对联合传感器系统对动态运动目标定位中存在野值的现象, 同时为了解决单一传感器滤波跟踪发散的问题, 提出一种具有抗野值性能的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法。在两坐标雷达提供目标距离与方位角的前提下, 建立参数求解模型, 得到目标的俯仰角, 结合光电传感器提供的角度信息进行滤波融合。实验与仿真结果表明: 该算法可以有效融合雷达与光电的测量数据, 排除野值的干扰, 抑制滤波发散, 提高定位精度。
光电子学 数据融合 交互式多模型无迹卡尔曼滤波算法 雷达 抗野值 激光与光电子学进展
2016, 53(12): 122501
中航工业雷达与电子设备研究院,江苏无锡 214063
空中交通警戒与防撞系统(TCAS)是航空电子综合环境监视系统的一个重要组成部分,它能有效降低空中飞行器间的碰撞威胁,对于提高飞行安全有着非常重要的意义。TCAS 是一种不依赖地面设备的空中交通防撞系统。它能够探测在其领域内装有空中交通管制应答机的飞机,向驾驶员报告潜在的相撞目标。目标跟踪是TCAS 的一个重要模块,能提供目标的飞行状态信息,并对目标的未来飞行状态进行预测。对空中目标进行稳定、高精确度的跟踪是目标跟踪模块的重要任务。本文介绍了基于扩展卡尔曼和交互式多模型(IMM-EKF)的目标跟踪算法,实现对目标的精确跟踪。通过仿真验证,证明算法能实现精确的目标跟踪,对防止空中相撞起到了积极作用。
空中交通警戒与防撞系统 目标跟踪 交通防撞 交互式多模型 扩展卡尔曼滤波 Traffic Alert and Collision Avoidance System(TCAS) target tracking collision avoidance Interacting Multiple Model(IMM) Extended Kalman Filter(EKF) 太赫兹科学与电子信息学报
2015, 13(3): 415
1 海军航空工程学院信息融合技术研究所,山东 烟台 264001
2 中国人民解放军92635部队,山东 青岛 266041
临近空间高超声速飞行器运动轨迹未知且运动状态多变,传统的单模型算法会与之发生失配进而影响目标跟踪精度。针对目标的滑跃式机动,提出采用基于CV CA 正弦波模型的交互式多模型(IMM)算法对其进行跟踪,并与基于CV CA Singer的IMM算法、基于CV CA CA的IMM算法的跟踪效果进行比较。Monte Carlo仿真实验表明,基于CV CA 正弦波模型的IMM算法对临近空间高超声速滑跃式机动目标具有较好的跟踪效果。
临近空间 高超声速飞行器 目标跟踪 交互式多模型 正弦波模型 near space hypersonic vehicle target tracking interacting multiple model sine wave model
辽宁工业大学 电子与信息工程学院, 辽宁 锦州 121001
交互式多模型粒子滤波是一种融合了交互式多模型和粒子滤波的目标跟踪算法。为了便于对交互式多模型粒子滤波算法在声源跟踪的性能分析, 首先阐述了交互式多模型粒子滤波算法的原理; 然后对整个算法用到的关键参数进行了分析并对改进算法进行了归纳整理; 最后对交互式多模型粒子滤波在声源跟踪当中的应用进行了仿真并指出未来的研究方向。
交互式多模型 粒子滤波 声源跟踪 interacting multiple model particle filter acoustic source tracking
1 空军工程大学信息与导航学院, 西安 710077
2 空军哈尔滨飞行学院, 哈尔滨 150001
针对传统的交互式多模型(IMM)算法通常采用相同维数的模型进行滤波,存在较大的模型误差以及当前统计模型(CS)中的参数需要合理设定的问题,提出一种变维自适应交互式多模型(AIMM)跟踪算法.该算法首先利用维数变换,将不同维数的模型转换为统一的维数进行交互滤波,使之适用于一般的机动目标,减少模型跟踪误差;然后通过引入由残差信息定义的调整因子对CS模型中的参数自适应调整,提高模型与实际运动模式的匹配程度;最后将参数调整后的CS模型反馈到变维IMM算法中,来改善跟踪性能.仿真实验表明,与传统变维IMM算法相比,文中所提算法在有效跟踪机动目标的同时,提高了目标的跟踪精度.
机动目标跟踪 维数变换 交互式多模型算法 调整因子 maneuvering target tracking variable dimension interacting multiple model algorithm adjustment factor
提出了一种基于马尔可夫切换系统的固定时滞平滑算法,在交互式多模型结构框架内引入状态增广矩阵,将目标状态的当前值和过去值相结合,使状态预测与平滑算法同步进行,算法还应用当前观测数据估算时滞模型概率,方法简便易行。通过仿真对比跟踪性能可以得出:固定时滞平滑算法的性能要优于标准IMMEKF滤波算法,并随着时滞长度的增加,性能趋向更优。
固定时滞 交互多模型 平滑算法 状态增广矩阵 fixed lag interacting multiple model smoothing algorithm state augmented matrix
针对联邦滤波器对实际目标尤其是机动目标的估计精度较低的问题, 将联邦滤波器与动态多模型估计算法相结合, 提出一种基于交互式多模型算法的联邦滤波器。该算法采用交互式多模型算法来代替卡尔曼滤波算法作为子滤波器, 克服非线性条件下的滤波发散, 从而提高滤波稳定性和状态估计精度。仿真结果表明, 在目标做机动的情况下, 联邦IMM滤波器的估计误差始终保持在一定范围内, 具有良好的稳定性和容错性。
多传感器 联邦滤波器 交互式多模型 估计融合 multi-sensor federated filter interacting multiple model estimation fusion