基于当前统计模型的强机动目标跟踪算法

专利名称：一种基于当前统计模型的机动目标跟踪方法专利类型：发明专利
发明人：于雪莲,欧能杰,曲学超,唐永昊,周云
申请号：CN201710832102.3
申请日：20170915
公开号：CN107728138A
公开日：
20180223
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于当前统计模型的机动目标跟踪方法，属于雷达信号处理领域，主要解决当前统计模型对弱机动以及非机动目标跟踪精度较低的问题。

本发明首先进行运动状态初始化和参数预设，建立针对机动目标的当前统计模型；然后通过一种反正切函数调整当前加速度极值进而调整加速度方差；进一步地确定渐消因子来调整预测协方差；最后完成目标的状态更新。

本发明在保持当前统计模型对强机动目标良好跟踪性能的同时，提高了对弱机动和非机动目标的跟踪性能，可用于对机动目标的跟踪。

申请人：电子科技大学
地址：611731 四川省成都市高新区(西区)西源大道2006号
国籍：CN
代理机构：电子科技大学专利中心
代理人：甘茂
更多信息请下载全文后查看。

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。

基于改进CS-Jerk模型的强机动目标跟踪算法
戴邵武;方君;戴洪德;邹杰;王永庭
【期刊名称】《电光与控制》
【年(卷),期】2016(023)003
【摘要】通过分析CS-Jerk模型的缺陷,提出一种改进的“当前”统计Jerk模型算法.该算法根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,构造活化函数,由活化函数生成修正因子,自适应更新CS-Jerk模型中的最大、最小机动加加速度以及机动频率,进而自适应调整状态噪声协方差矩阵和滤波增益矩阵,减小了目标状态估计误差.与经典的Jerk模型、CS-Jerk模型相比,改进算法有效地提高了对强机动目标的跟踪精度,弥补了CS-Jerk模型算法的不足,仿真结果验证了算法的可行性.
【总页数】5页(P11-15)
【作者】戴邵武;方君;戴洪德;邹杰;王永庭
【作者单位】海军航空工程学院控制工程系,山东烟台264001;海军航空工程学院研究生管理大队,山东烟台264001;海军航空工程学院控制工程系,山东烟台264001;光电控制技术重点实验室,河南洛阳471000;光电控制技术重点实验室,河南洛阳471000
【正文语种】中文
【中图分类】V249.122
【相关文献】
1.基于CS-Jerk模型的改进机动目标跟踪算法 [J], 侯俊林;张丽珂;朱越
2.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
3.基于交互式多模型强机动目标被动跟踪算法 [J], 胡欣;巨永锋
4.基于改进的QIPF交互式多模型的机动弱目标检测前跟踪算法的研究 [J], 蒋继娟;李亭亭
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。

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］。

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。

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。

4942009,30(2)计算机工程与设计Computer Engineering and Design0引言实时机动多目标跟踪系统现已广泛应用于军事的导弹防御，对空监视以及民用空中交通管制等领域中。

机动多目标跟踪包括跟踪起始、跟踪维持等多项要素，其核心为数据关联[1]。

数据关联算法的性能决定了多目标跟踪系统的性能。

在强干扰下，由于错误关联的增加而导致数据关联的性能下降，继而造成状态估计准确性的下降，会导致整个跟踪系统性能的恶化。

机动多目标跟踪作为一个十分活跃的研究课题，如何快速，可靠和精确地跟踪始终是目标跟踪系统设计的主要目的。

1974年，由Bar-Shalom 等人提出的联合概率数据关联(JPDA )算法[2-3]，虽然被认为是目前多目标跟踪研究领域中最有效的关联算法之一，但其中要对确认矩阵进行拆分来确认可行互联事件，可看出，随着目标个数，有效回波数增大或波门相交程度较大时，互联矩阵的数量会出现指数性的增长，对应的互联事件也就越来越复杂。

这样，它的计算量与复杂性限制了该方法应用于实时跟踪。

近年来日益发展的神经网络理论所体现的强并行处理能力和很有效的解决组合优化等特点，这为解决多机动目标跟踪问题带来了新思路。

神经网络数据关联算法(NDA )在JPDA 的基础上，通过对似然矩阵的处理，能够得到有效的量测与目标的对应关系即最佳关联假设，同时还具备了跟踪起始和终结的作用，大大减少了计算量，很好地解决了多目标跟踪下的组合爆炸问题。

随之，神经网络就为多目标跟踪中的关联和滤波问题提供了一种有效的实现方法，有效地提高了多目标跟踪的实时性。

收稿日期：2008-01-13E-mail ：**************计算机应用赵智勇，吴小俊，王士同，等：基于CHNN的机动多目标跟踪算法及其参数特性研究2009,30(2)495 1联合概率数据关联方法基本原理设在密集回波下有T个目标，t目标的状态方程和量测方程的描述分别为式(1)和式(2)x t(k+1)=F t(k)x t(k)+G t(k)w t(k)(1)1)+P t(k|k H(k)x t(k|k1)-1+H(k)'R(k)-1H(k)(4)W t(k)=H(k)P t(k|kH(k)x t(k|k2时，即第r个回波z r(k)与第t个目标关联，1/2(7)式中：M——量测向量的维数，W t(k)——目标t的新息协方差矩阵。