一、光电跟踪目标的非线性滤波算法研究（论文文献综述）
何秋农[1]（2021）在《基于预测滤波的光电系统跟踪控制技术研究》文中研究说明光电跟踪系统在激光通信、航空航天、天文观测和军事制导等领域应用广泛,由于跟踪目标的随机性和机动性大大增强,带来诸多问题,比如:探测目标的图像传感器的时间延迟导致的系统闭环带宽不足、目标的机动性强和运动规律弱导致的跟踪精度下降、以及目标在低空中运动时容易被各种环境物遮挡等等。为克服以上问题,本文围绕基于预测滤波的光电跟踪技术展开研究,着重研究预测滤波技术从运动模型、滤波原理、输入信号和应用方案上的改进与创新,进而提升系统的跟踪性能和鲁棒性,主要研究工作分为以下四个部分:首先,从预测滤波算法运动模型的角度,创新性地提出使用机器学习与运动模型结合的方法。具体而言,针对目前主流的交互式多模型算法存在的计算复杂度与精度的矛盾问题,提出使用朴素贝叶斯分类器对目标运动模型进行实时分类,并根据分类结果切换滤波器模型的方法。在分类较为准确时,可以保证算法精度的同时减小计算复杂度。其次,从预测滤波算法滤波原理的角度,本研究提出两种兼顾目标运动模型不确定性和目标运动轨迹测量延迟的鲁棒预测滤波算法。对于光电跟踪系统特有的融合目标轨迹存在的时间延迟问题,将测量延迟引入到现有的鲁棒状态估计方法中对其进行改进。通过增广系统的状态向量,将存在测量延迟的系统等价转换成无延迟的增广系统。进一步推导出迭代滤波算法及其收敛性和有界性条件。最后通过仿真实验验证了所提出的鲁棒预测滤波算法的有效性。接着,从预测滤波算法输入端的角度,本研究提出一种基于模型输出与传感器数据结合的加速度频域融合方法。由于测量系统本身姿态的加速度计传感器在低频受到漂移和噪声的严重影响,导致融合的目标轨迹不准确,最终致使预测的目标状态信息精度降低。因此,本研究首先对系统的被控对象进行建模,并利用加速度计较准确的中高频信息对被控对象进行进一步辨识,得到系统具体的加速度开环模型。利用系统的驱动输入信号与加速度开环模型计算得到系统的加速度信息。然后,用低频更准确的模型输出加速度与加速度计测量信息进行频域融合得到全频段都较准确的系统加速度。最终使用融合所得的系统加速度信息可得到更准确的合成目标轨迹,进而从输入端的角度改良预测滤波技术。最后,从预测滤波算法应用的角度,本研究提出一种基于预测滤波技术与图像处理协同的抗遮挡伺服控制方案。对于目标在穿过各种环境物被短期全遮挡的问题,本研究提出根据图像处理提供的目标遮挡状态信息来选择伺服控制部分的控制模式和预测模式。同时,预测目标在图像中的位置,以此提升图像处理重新捕获目标的速度和精度。基于本研究提出的方案,设计实际的实验系统的验证方案,最终的实验结果验证了本研究提出方案的可行性和有效性。
陈燕平[2]（2021）在《基于容积卡尔曼滤波的目标跟踪研究》文中认为无线传感器网络具有无线感知以及无线通信的作用,是重要的三维网络研究技术之一。传感器网络由多个具有自组织能力的节点组成,是当前网络研究中的一个热门领域,应用于多个领域方面,例如军事预防,地震监测,环境监测以及海底勘探等。目标跟踪技术是研究三维空间发展的重要部分,利用多个传感器节点的数据信息估计出目标当前时刻的状态。在目标跟踪系统中,利用滤波技术估计目标运动状态,根据滤波算法来消除相关的不确定性,实现系统跟踪目标。因此本文主要研究基于容积卡尔曼滤波的目标跟踪,通过改进算法提升跟踪效率。本文研究了基于无线传感器网络的目标跟踪问题。首先介绍了无线传感器网络的基本结构,跟踪系统及常见的运动模型,包括匀速模型、匀加速模型和匀速转弯模型。目标跟踪的核心是滤波算法,详细介绍了几种常见的滤波算法,包括卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和容积卡尔曼滤波算法。通过比较这几种滤波算法,容积卡尔曼滤波更适用于实际目标跟踪应用。对于实际应用工程而言,大多数为非线性系统,非线性滤波是目标跟踪中的一个热门问题。由于传统扩展卡尔曼滤波算法中的非线性系统线性化存在一定的缺陷。因此,提出了一种改进的容积卡尔曼滤波算法（ICKF）,用于目标跟踪研究。由于目标运动存在不确定性,根据强跟踪原理,将自适应遗忘因子引入容积卡尔曼滤波算法中,修正误差协方差矩阵以减少不确定性的影响。然后针对目标运动多变问题,引入交互式多模型技术来解决目标运动单一的问题。与其他非线性滤波算法相比,综合考虑改进容积卡尔曼滤波算法与交互式多模型算法的IMMMICKF算法可以有效地处理非线性目标跟踪问题,并获得更好的估计精度。最后,海洋环境是一个典型的三维网络,由于水下环境的特殊性与未知性,网络中的传感器所携带的电池能量有限且无法更换。因此针对网络中节点能量有限问题,提出了基于能量有效的跟踪算法,考虑节点传输数据的贡献性与剩余能量信息,均衡网络节点能量,采用非线性容积卡尔曼滤波算法实现目标跟踪,提升系统整体的跟踪性能。
李佳[3]（2020）在《低慢小无人机目标红外成像探测关键技术研究》文中认为随着无人机技术的日渐成熟,微小型无人机已经在现代农业、快递物流、航空摄影、社会安全、灾难救援、军事侦察等方面得到了广泛应用并在使用效果和成本上体现出了巨大的优势。但无人机的非法无序使用也给空域环境安全带来了巨大的隐患。因此,对这种飞行高度低、飞行速度慢、外形尺寸小的机动目标（“低慢小”目标）进行探测的反无人机系统已经成为目前业界研究的热点。其中,红外成像探测系统由于精度高、隐蔽性好、抗干扰性强、可全天时被动工作等优点而成为了大多数反无人机探测系统中的基本配置。在红外成像探测系统中,提高对“低慢小”目标探测性能的关键技术中包括了红外焦平面阵列非均匀性校正与红外图像增强这两种图像质量提升技术和对红外弱小目标的检测技术两方面。本文围绕反无人机红外成像探测系统的图像质量提升与红外弱小目标检测中的图像背景抑制算法进行了深入研究。主要的研究内容和取得的成果如下。1.针对现有非均匀性校正算法中校正结果收敛速度慢、图像质量退化以及“鬼影”等问题,提出了一种时空域非线性滤波相结合的红外焦平面阵列非均匀性校正算法框架。并以此为基础提出了两种非均匀性校正算法,分别为基于三边滤波与时域梯度加权均值滤波相结合的非均匀性校正算法和加权引导滤波与时域非线性扩散方程相结合的非均匀性校正算法。在空域中,均针对条纹状固定图案噪声的特点对三边滤波与加权引导滤波器进行了改进,使其能够获取更加准确的固定图案噪声序列。时域中非线性滤波的应用使非均匀性校正可以通过仅仅数帧连续图像来实现,不需要多达上百帧连续图像迭代来获取收敛的校正参数,而且针对慢速运动的无人机目标也有较好的校正效果,因此具有较好的工程应用价值。实验结果表明,本文所提两种非均匀性校正算法能够有效的去除图像中叠加的条纹状固定图案噪声,校正结果中未出现“鬼影”,且图像退化现象也得到了较大改善。2.针对红外图像存在的对比度低及细节模糊的问题,本文提出了两种基于图像分解的细节与对比度增强算法。基于概率非局部均值滤波与Retinex理论的红外图像增强算法首先利用单尺度Retinex算法对图像进行灰度调节,然后使用概率非局部均值滤波将图像分解为基本层与细节层,针对不同的层次分别进行对比度与细节层增强,将处理后的细节层与基本层相加得到增强的红外图像。基于双权重加权引导滤波的红外图像增强算法设计了噪声与细节权重与加权引导滤波相结合以获取图像的基本层与细节层。利用噪声图像自适应地调节细节层的增强程度。实验结果表明本文所提两种增强算法能够有效地增强图像对比度与边缘细节,使红外图像具有良好的视觉效果。3.针对反无人机红外成像探测系统中红外弱小目标复杂背景抑制的难题,本文提出了两种多尺度平滑滤波的单帧图像弱小目标复杂背景抑制算法。分别为多尺度全局滤波与局部标准化欧氏距离的背景抑制算法和基于多尺度快速滚动引导滤波与双滑窗马氏距离的背景抑制算法。两种算法分别利用了全局滤波与滚动引导滤波对图像进行不同尺度的平滑以深度挖掘图像中弱小目标与背景的多维信息,最后采用多尺度图像的统计特性获取异常点（即弱小目标点）,从而达到抑制红外图像中的复杂背景、增强弱小目标的效果。实验结果表明,本文所提出的两种背景抑制算法均较好地解决了传统背景抑制算法对复杂背景中强边缘抑制效果差的难题,取得了较好的背景抑制结果。
刘思宇[4]（2020）在《火箭飞行轨道目标跟踪算法研究》文中进行了进一步梳理火箭作为人类探索宇宙的唯一运载体,其安全稳定的飞行直接决定了各种航天器的航空飞行任务能否顺利完成。为了准确跟踪火箭飞行过程中的状态信息,试验场内通过多种测控设备获取火箭弹道信息。高精度完备的弹道信息为飞行任务决策、安全控制、飞行引导等提供了重要保障。随着测控系统的不断发展,多种先进测控设备的使用,衍生了不同形式的火箭弹道测控体制,这对火箭弹道跟踪定位系统提出了日益严峻的要求。本文针对火箭外弹道测量系统,利用多源测量数据定位和弹道平滑滤波等算法建立了火箭弹道参数拟合系统,然后利用无迹卡尔曼滤波算法和Elman神经网络建立了目标跟踪模型,最后基于Matlab GUI平台设计并开发了弹道跟踪定位系统。本文研究内容总结如下:（1）针对多台测量设备交会定位问题,本文采用最小二乘法（Least Square,LS）以及递推最小二乘法（Recursive Least Squares,RLS）实现了多源弹道数据定位,并针对仅包含测角信息的多源测量系统,利用目标到各测站定位视线最小距离加权和获得弹道参数。此外,根据实际的工程要求,提出并实现了单/多台自动切换解算算法,通过实验表明该算法的可行性和有效性。（2）针对弹道解算结果受测量设备随机误差的影响而导致估计结果与实际弹道偏差较大的问题,本文基于参数回归模型,分别建立了基于三次B样条以及滑动多项式的弹道预测模型,实现了对弹道解算结果的平滑滤波。实验数据表明,两种算法均可获得较高精度的弹道估计结果。（3）针对机动性较强的飞行目标跟踪问题,本文提出了基于Elman神经网络的无迹卡尔曼滤波算法（Unscented Kalman Filter Target Tracking Based on Elman Neural Network,ELUKF）,将Elman神经网络学习的滤波误差补偿给无迹卡尔曼滤波的结果。通过实验仿真,本文提出的算法在滤波精度以及稳定性上相比于无迹卡尔曼滤波算法有明显的改善。（4）本文设计并开发了弹道跟踪定位系统,主要包含用户登录、数据读取、弹道解算、弹道平滑、速度/加速度求解以及自动报表生成等功能,减少了外弹道测量数据的处理时间,提高了火箭弹道信息评估的效率。
郭佳慧[5]（2020）在《多站雷达目标跟踪算法的研究》文中研究指明在雷达信号处理领域中,目标跟踪是非常重要的组成部分。目标跟踪技术通过传感器的相关量测值获得感兴趣目标的状态信息,并通过适当的滤波算法实现对目标运动状态的预测与估计,进而达到稳定跟踪的目的。其中,滤波算法的选择对跟踪结果的准确度起着决定性作用。因此,本文首先研究了线性场景与非线性场景下不同滤波算法的跟踪性能,分析了各自的优缺点。其次,为了获得更高的目标跟踪精度,本文又研究了多传感器信息融合算法,包括适用于同步观测场景的协方差交叉融合算法与信息矩阵航迹融合算法,以及适用于异步场景的顺序量测异步融合算法。在此基础上,给出本文的主要工作:1.在滤波算法方面:本文首先介绍了贝叶斯滤波理论,这是本文后续研究的理论基础。随后研究了基于贝叶斯理论的滤波算法,其中包括适用于线性场景的卡尔曼滤波算法（KF）,以及适用于非线性场景的扩展卡尔曼滤波算法（EKF）,无迹卡尔曼滤波算法（UKF）和转换量测卡尔曼滤波算法（CMKF）。为了分析非线性场景中各个滤波算法的跟踪性能,本文通过对仿真结果进行对比分析表明,卡尔曼滤波器仅在线性高斯场景中能获得较高的跟踪精度;在非线性场景中,由于EKF,UKF与CMKF处理非线性的方法不同,因此跟踪性能也不尽相同。其中,EKF算法的滤波误差最大,它适用在非线性程度较小的场景;UKF较CMKF有更高的跟踪精度,但是UKF比CMKF的计算量大,滤波时间长。2.在多传感器信息融合方面:由于在分布式跟踪中各个局部传感器间的估计误差的互协方差矩阵未知,且互协方差矩阵的计算极其复杂,因此本文研究了两种无需已知互协方差矩阵便能很好地融合局部传感器信息的融合算法,分别是协方差交叉融合算法（CI）与信息矩阵航迹融合算法。然后将这两种算法分别应用在弹地雷达之间以及地基雷达之间的信息融合,仿真结果表明这些融合算法均能得到较好的融合跟踪效果,同时也对比了这两种融合算法的融合精度。其次,本文也研究了带有反馈和无反馈信息融合的区别,仿真结果表明,虽然融合估计解对于融合中心是等价的,但是,带有反馈的融合算法可以明显地改善局部传感器的跟踪性能。最后,介绍了一种顺序量测的异步融合算法,通过仿真验证了该算法的有效性。
蔡李根[6]（2020）在《基于多模型的地面机动目标协同定位方法》文中提出近年来,作为军事领域中的重要作战单元,以装甲车、雷达车、导弹发射车等军用车辆为代表的地面机动目标凭借其机动能力强,隐蔽手段丰富的特点,在实际作战中承担着越来越丰富的作战任务,具有很大的军事价值和发展潜力,其定位问题逐渐成为研究热点。另一方面,出于降低成本、提高可靠性和信息融合的考虑,具有低成本、灵活性高优点的无人机开始在军事上广泛应用,因此,可以利用多无人机搭载传感器开展对地面机动目标的协同定位技术研究。地面机动目标协同定位方法是精确打击敌方地面机动目标的核心技术,同时也是战场态势感知的重要保障,本论文以军用车辆为代表的地面机动目标为对象,利用搭载红外传感器的多无人机对其协同定位方法开展深入研究,主要内容包括:根据地面机动目标的可能运动形式,建立相应的运动模型,建立无人机所搭载红外传感器的量测方程;考虑到协同定位问题的非线性,给出容积卡尔曼滤波算法的基本流程,为了进一步提高估计精度,引入迭代容积卡尔曼滤波算法,并对迭代容积卡尔曼滤波算法进行改进;建立数学仿真场景,分别基于三种非线性滤波方法设计地面机动目标的协同定位算法,通过蒙特卡洛数学仿真对比分析各种非线性滤波方法在地面机动目标协同定位中的性能,验证本论文所提改进迭代容积卡尔曼滤波算法的优越性。考虑到地面机动目标的运动形式多样采用单个模型无法覆盖其运动形式的问题,引入多模型的概念,给出定结构多模型算法的具体框架;提出基于改进迭代容积卡尔曼滤波算法的交互式多模型算法,针对地面机动目标的可能运动形式进行模型集的设计;建立地面目标连续机动的仿真场景,进行蒙特卡罗数学仿真,验证交互式多模型算法相比于单模型算法的自适应性和高精度优势;在同一场景下,对比分析几种典型定结构多模型算法的协同定位结果,验证交互式多模型算法相比于其他定结构多模型算法,具有最高的效费比;利用交互式多模型算法,通过控制变量的方法,分析红外传感器测角精度等因素对于地面机动目标协同定位结果的影响,为工程实际中提高地面机动目标协同定位性能提供一定的参考。针对交互式多模型算法存在其固定模型集难以应对地面机动目标的复杂机动场景的局限性,基于图论引入了变结构多模型算法的概念,研究了动态有向图、有向图切换和自适应网格三种模型切换方法,提出了一种基于改进迭代容积卡尔曼滤波的自适应网格交互式多模型算法;建立地面目标复杂机动场景,通过数学仿真对比分析,验证了自适应网格交互式多模型算法模型集自适应算法的有效性和相比于交互式多模型的精度优势;分别利用动态有向图、有向图切换设计相应的变结构多模型协同定位算法,通过仿真对比验证了本文所提自适应网格交互式多模型算法的模型集切换效率和估计精度的优越性。
储雪峰[7]（2020）在《天基红外系统探测导弹助推段弹道估计算法研究》文中指出弹道导弹具有射程远、速度快、精度高、威力大等特点,是现代战争中最为重要的战略威慑武器,因此导弹预警及其体系建设成为世界各军事强国的战略工程。天基弹道导弹预警系统部署在外层空间,受地球曲率影响小,具备预警时间长、预警信息准确、覆盖范围广和抗干扰性强等特点,是战略预警的关键手段,其典型代表是天基红外系统（Space Based Infrared System,SBIRS）。目前,对SBIRS探测导弹助推段弹道估计算法的研究,多集中于双星探测弹道估计和单星探测弹道估计,常用扩展卡尔曼滤波算法或无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）算法进行滤波递推处理,导弹运动模型大多采用匀加速模型、当前统计（Current Statistic,CS）模型等多项式模型,弹道估计的性能不够高,难以满足对来袭导弹实施有效防御的要求。因此,本文围绕如何提高SBIRS探测导弹助推段弹道估计性能的问题,从设计非线性滤波算法、导弹运动精确化建模和引入更多卫星的探测数据等方面展开研究,具体内容如下:1.针对如何通过设计非线性滤波算法来提高助推段弹道估计性能的问题,将容积卡尔曼滤波（Cubature Kalman Filtering,CKF）引入到基于CS模型的助推段弹道估计中,提出了基于CS-CKF的助推段弹道估计算法,并结合CS模型的特点对算法进行了改进。仿真结果表明,在估计误差相当的条件下,与基于CS-UKF的助推段弹道估计算法相比,基于CS-CKF的助推段弹道估计算法所需时间约缩短7.9%;与基于CS-CKF的助推段弹道估计算法相比,基于简化CS-CKF的助推段弹道估计算法所需时间约缩短33%。2.针对如何通过导弹运动精确化建模来提高助推段弹道估计性能的问题,提出了基于不完备推力加速度模板的助推段弹道估计算法。利用导弹有限先验信息推导不完备的推力加速度模板,将推力方向角增广为目标状态分量,利用加速度模板建立精确的参数化动力学模型。弹道估计滤波采用CKF算法,根据导弹助推段早期转弯角度不大的特点,利用导弹初始位置的地心矢径估算初始推力方向,使用一阶马尔可夫过程描述推力方向角来设计自适应的过程噪声。仿真结果表明,与基于CS模型的传统算法相比,所提算法的估计误差显着减小,滤波稳定性大幅增强。3.针对如何通过引入更多的卫星探测数据来提高助推段弹道估计性能的问题,提出一种三星探测数据融合的助推段弹道估计算法。使用卫星工具包专业软件分析SBIRS对某一区域三星以上的覆盖能力,建立三星探测数据融合的助推段弹道估计算法模型。根据是否掌握导弹有限先验信息,分别采用CS模型或基于不完备推力加速度模板的模型对导弹运动进行建模;数据融合采用集中式结构;弹道估计滤波采用CKF算法。仿真结果表明,导弹运动模型无论是采用CS模型还是采用基于不完备推力加速度模板的模型,与双星探测弹道估计算法相比,三星探测弹道估计算法的估计误差均显着减小。4.为了形象地展示SBIRS探测导弹助推段弹道估计算法,将常用的非线性滤波算法、CS模型、基于不完备推力加速度模板的模型、双星探测弹道估计算法、三星探测弹道估计算法等进行系统集成与实现,研制开发了SBIRS探测导弹助推段弹道估计仿真系统。
刘代[8]（2020）在《雷达资源分配与目标跟踪算法研究》文中认为随着雷达技术的快速发展,雷达功能越来越复杂,任务模式也越来越多,如何利用雷达有限资源提高雷达探测能力和目标跟踪精度成为重要研究课题,本文按照从雷达资源分配到目标跟踪,从量测噪声到量测方程,从线性滤波到非线性滤波,从非机动跟踪到机动跟踪的技术路线,在资源分配和目标跟踪两大技术领域开展研究。主要工作如下:1.针对雷达资源分配课题开展研究,包括时序设计和任务调度算法两方面。（1）时序设计:提出了动态时间片的定义,根据雷达不同的应用场景提出动态时间片的划分,并基于动态时间片节拍进行时序设计,克服了传统的调度间隔固定,不灵活,容易产生时间碎片,调度任务较少时时间利用率低等缺点,具有调度间隔灵活可变,不会产生时间碎片,时间利用率高等优点。本文通过计算机仿真证明该时序设计的有效性。（2）任务调度算法:提出了基于任务相关性的自适应调度算法,传统的自适应的调度算法未考虑任务之间的相关性即当前调度任务执行对后续任务的影响,实际上当前任务的执行对后续任务有影响,本文通过分析当前任务与后续任务之间的相关性,建立失跟任务数和时间余度模型,增加了时间余度评估指标,提出了基于任务相关性的自适应调度算法,经计算机仿真验证本文算法在多目标条件特别是负载饱和情况下大大提高了发现目标性能和时间余度。2.通过分析雷达测角精度和测距精度的影响因素,距离误差、角度误差与目标信噪比相关,量测噪声协方差矩阵可根据信噪比估计结果进行适当修正,结合先进的非线性滤波算法,提出了基于信噪比模型的扩展卡尔曼滤波算法和基于信噪比模型的不敏卡尔曼滤波算法。传统非线性滤波跟踪算法中测角误差和测距误差根据经验取固定常数值,而实际上测角误差和测距误差是变化值,会随信噪比的变化而变化。本文所提算法通过不断修正量测噪声协方差矩阵进行跟踪滤波,相比传统的非线性滤波算法目标跟踪性能得到显着提高,体现在目标跟踪精度更高、收敛速度更快。通过计算机仿真验证算法的有效性。3.宽带相控阵雷达可以获取目标高分辨距离像,本文利用此特征获取目标姿态角,并将其应用到目标跟踪。利用高分辨距离像对目标姿态角进行实时估计,并将其融合到目标的量测方程,因目标姿态角与目标运动参数间的关系是非线性的,本文结合先进的非线性滤波算法实现目标跟踪。（1）对于非机动目标跟踪提出了利用姿态角的扩展卡尔曼滤波算法和利用姿态角的不敏卡尔滤波算法。在利用姿态角的扩展卡尔曼滤波算法中,因量测方程中的姿态角是非线性函数,本文推导了姿态角由非线性方程转线性方程的表达式。通过计算机仿真表明,利用姿态角的目标跟踪算法相比传统的非线性滤波算法目标跟踪精度（位置精度和速度精度）得到很大提高,收敛速度变快,姿态角测角误差对跟踪性能影响不大,同时利用姿态角的扩展卡尔曼滤波算法和利用姿态角的不敏卡尔滤波算法跟踪精度差距不大,但在计算耗时上利用姿态角的扩展卡尔曼滤波算法较优,但在姿态角为临界值时算法失效,利用姿态角的不敏卡尔滤波算法姿态角无角度限制。（2）对于机动目标跟踪提出了利用姿态角的机动目标跟踪算法。此算法相比传统的机动目标跟踪算法性能优越,极大地改善了目标跟踪性能,体现在具有较小的目标位置误差和速度误差,更高的目标预测精度,同时分析了姿态角测角误差对算法性能的影响,姿态角测角误差越小,目标跟踪性能越好。通过计算机仿真验证了所提算法的有效性。4.针对杂波环境下目标跟踪算法开展研究,包括杂波环境下的非机动目标跟踪和机动目标跟踪。（1）对于杂波环境下的非机动目标跟踪,基于MTD测出不模糊径向速度,利用此径向速度建立速度波门,推导了径向速度波门表达式,在量测方程中引入径向速度维,利用MTD测出的径向速度实时更新目标观测值中的径向速度,而不是利用目标三轴速度和位置的数学表达式来计算径向速度。该算法相比杂波环境下传统的滤波算法目标跟踪性能得到较大提升。（2）对于杂波环境下的机动目标跟踪,根据多普勒量测信息解速度模糊,得到目标径向速度,然后在目标量测方程中增加径向速度维,将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数,同时在点迹关联时增加了径向速度波门,滤除更多的杂波点,利用多普勒量测计算出的径向速度实时更新观测值中的径向速度,因在机动目标跟踪算法中利用了更多量测信息,所以目标跟踪性能相比杂波环境下传统机动目标跟踪算法有较大提高,体现在目标位置精度、速度精度得到很大提高、位置和速度收敛速度加快、目标发生机动时响应速度更快,同时本文分析了多普勒量测误差对跟踪性能的影响,多普勒量测误差越小,目标跟踪性能越好。通过计算机仿真验证了本文所提算法的有效性。
刘禹铭[9]（2020）在《基于双重复合轴结构的舰载光电跟踪系统控制方法研究》文中提出激光武器是一种新型的高能定向武器,与常规武器相比,激光武器有几大显着特点:传播迅速、能量密度高、能够持续射击等,尤其适用于对高速机动目标的打击。因此激光武器也越来越适用于各种动载体中,例如车载、船载、星载、机载等。然而由于激光的特性,光束必须要持续照射目标一段时间才能产生足够的能量来破坏目标,因此要求激光不仅能精准射向目标,还得保证光束能够在目标表面稳定滞留一段时间,这便要求光电跟踪系统的跟踪精度至少为微弧度级别。此外,在舰载条件下,平台扰动会产生不利因素,因此需要解决在舰载条件下的机动目标稳定锁定、高精度跟踪瞄准等技术难题。本文主要从舰载激光武器光电跟踪系统出发,对提高系统的跟踪精度的关键性问题进行了研究,主要通过改进控制方法的方式,对系统中扰动的解算方法、脱靶量造成的动态滞后误差的补偿、滤波算法的改进,以及系统结构的改进、精跟踪子系统控制器的设计等几个方面的问题进行研究。本文首先介绍了基于复合轴结构的光电跟踪系统的控制原理,并分别建立了粗跟踪系统和精跟踪系统的数学模型,搭建了包含粗、精、高精跟踪子系统的双重复合轴系统;然后对舰艇平台扰动进行分析,建立了解算模型并仿真验证了该模型的可靠性;接着介绍了多种非线性卡尔曼滤波算法,并对容积卡尔曼滤波算法进行了改进,在此基础上建立了共轴跟踪系统;紧接着对精跟踪系统的控制器进行了设计;最后模拟了三种导弹的仿真航路,应用所设计的光电跟踪系统对导弹航路进行跟踪仿真,结果表明系统的跟踪精度达到了舰载光电跟踪设备的精度要求。
秦武韬[10]（2019）在《临近空间高速滑翔飞行器轨迹跟踪滤波方法研究》文中认为近年来,以HTV-2为代表的临近空间高速滑翔飞行器凭借其飞行速度快,机动能力强,机动样式多样的特点逐渐成为学术和工程领域的研究热点,其作为进攻性武器具有很大的发展潜力和很强的突防能力,代表了远程战略武器的未来发展方向。因此,开展针对临近空间高速滑翔飞行器拦截的相关技术研究对于保障国家安全具有重要意义。临近空间高速滑翔飞行器轨迹跟踪滤波方法是反临近空间高速滑翔飞行器的核心技术,是临近空间高速滑翔飞行器精确预报和拦截的重要保障与先决条件,本论文以临近空间高速滑翔飞行器为对象,对其轨迹跟踪滤波方法展开深入研究,主要内容包括:根据临近空间高速滑翔飞行器在助推段的运动特点和观测条件,建立重力转弯模型等目标运动模型和天基红外预警卫星测量模型,给出扩展卡尔曼滤波算法的基本流程;针对跟踪系统非线性较强,扩展卡尔曼滤波算法存在较大截断误差的问题,论文基于确定性采样近似高斯分布的思想建立确定性采样滤波方法的一般框架,分别基于无迹变换规则和球面-径向容积规则推导无迹卡尔曼滤波和容积卡尔曼滤波;开展助推段轨迹跟踪数学仿真,对比分析不同目标运动模型和不同非线性滤波算法的跟踪精度。由于信道堵塞或信号干扰等因素,天基红外预警卫星的测量数据在到达地面数据处理中心时常出现随机时间延迟,针对这一问题,论文跳出传统依靠状态方程递推的思想,从量测延迟概率的角度出发,利用伯努利随机变量对测量方程进行改写,重新对时延系统进行数学描述,建立随机时延系统模型,推导理想量测量、实际量测量及相关协方差间的关系;考虑到五阶球面-径向容积规则具有较高的非线性近似精度,论文在最小均方差准则下利用该规则推导随机时延高阶容积卡尔曼滤波算法,解决状态模型不准确、量测延迟时间未知情况下的时延滤波问题。滑翔段是临近空间高速滑翔飞行器机动运动的主要阶段,其运动模式主要包括平衡滑翔和跳跃滑翔两种,根据这两种模式的运动特点,基于自适应均值时间相关模型分别建立平衡滑翔目标运动模型和跳跃滑翔目标运动模型;根据滑翔段的观测条件,建立地基雷达测量模型;考虑目标运动模式切换的情况,论文对交互式多模型算法进行深入研究,并利用该算法完成滑翔段跟踪滤波设计。论文还进行了相应的数学仿真分析,验证滑翔段模型和目标跟踪方法的准确性。临近空间高速滑翔飞行器在进行跳跃滑翔时可利用气动力调整跳跃周期等运动参数,其模式空间具有连续性,传统多模型算法在进行模型集设计时存在模型覆盖不准确或模型集过大等问题。因此,论文基于粗细模型集混合的思想提出一种混合网格多模型算法,该算法基于先验信息建立粗模型集,基于估计结果利用矩匹配方法自适应设计细模型集,通过对粗细模型集的估计结果进行加权融合完成目标的状态估计,获得了比单模型算法和传统多模型算法更高的估计精度。受目标不同位置反射及电子电路性能的影响,雷达的测量噪声常常表现出非高斯特性,主要为闪烁噪声或脉冲噪声。针对测量噪声为闪烁噪声的情况,对混合1l、l2范数最小的Huber滤波理论进行研究,将卡尔曼滤波框架下的测量更新问题转换为线性回归的求解问题,推导了高阶容积Huber滤波方法;针对测量噪声为脉冲噪声的情况,利用最大相关熵准则将高阶容积卡尔曼滤波的测量更新转化为求指标函数取最大值的解,推导了最大相关熵高阶容积滤波算法;论文还以平衡滑翔目标轨迹跟踪为应用背景对所提算法进行了数学仿真,仿真结果验证了非高斯噪声条件下这两种滤波算法在鲁棒性和精度上的优势。
二、光电跟踪目标的非线性滤波算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、光电跟踪目标的非线性滤波算法研究（论文提纲范文）
（1）基于预测滤波的光电系统跟踪控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 基于预测滤波的光电跟踪技术基本原理 |
| 1.3 目标运动状态预测估计方法发展历程及研究现状 |
| 1.3.1 估计方法的发展 |
| 1.3.2 目标运动模型的发展 |
| 1.3.3 预测算法的发展 |
| 1.4 拟解决的关键问题 |
| 1.5 研究内容及论文结构 |
| 第2章 基于贝叶斯分类的前馈控制技术 |
| 2.1 引言 |
| 2.2 基于贝叶斯分类的前馈控制技术理论基础 |
| 2.2.1 IMM算法基本原理 |
| 2.2.2 贝叶斯分类基本原理 |
| 2.3 基于朴素贝叶斯分类器的IMM改进算法 |
| 2.3.1 算法概述 |
| 2.3.2 运动模型介绍 |
| 2.3.3 特征选取 |
| 2.3.4 构造训练数据和训练分类器 |
| 2.3.5 数值仿真实验 |
| 2.4 实验验证 |
| 2.5 本章小结 |
| 第3章 鲁棒预测滤波 |
| 3.1 引言 |
| 3.2 测量延迟的引入和处理 |
| 3.3 基于灵敏度惩罚的鲁棒预测滤波技术 |
| 3.3.1 代价函数设计与递归滤波程序推导 |
| 3.3.2 收敛性和有界性 |
| 3.3.3 实验验证 |
| 3.3.4 小结 |
| 3.4 基于数学期望鲁棒预测滤波技术 |
| 3.4.1 代价函数设计与递归滤波程序推导 |
| 3.4.2 收敛性和有界性 |
| 3.4.3 实验验证 |
| 3.4.4 小结 |
| 3.5 本章小结 |
| 第4章 基于传感器和模型融合的加速度前馈控制技术 |
| 4.1 引言 |
| 4.2 基本加速度前馈的执行 |
| 4.2.1 基于CCD的跟踪系统 |
| 4.2.2 传统双闭环 |
| 4.2.3 基本加速度前馈 |
| 4.3 基于模型输出和传感器数据融合的加速前馈 |
| 4.4 加速度前馈控制器的实现 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第5章 基于预测滤波的抗遮挡方案 |
| 5.1 引言 |
| 5.2 方案概述 |
| 5.3 基于背景加权的改进型巴氏系数的目标遮挡判断方法 |
| 5.3.1 理论推导 |
| 5.3.2 实验验证 |
| 5.4 整体方案验证 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 论文主要工作及创新之处 |
| 6.2 后续工作建议 |
| 参考文献 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（2）基于容积卡尔曼滤波的目标跟踪研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及相关主要工作 |
| 1.4 论文章节安排 |
| 第二章 基于非线性滤波的目标跟踪研究分析 |
| 2.1 无线传感器网络结构 |
| 2.2 目标跟踪模型 |
| 2.2.1 系统模型 |
| 2.2.2 目标运动模型 |
| 2.3 滤波算法 |
| 2.3.1 卡尔曼滤波算法 |
| 2.3.2 扩展卡尔曼滤波算法 |
| 2.3.3 无迹卡尔曼滤波算法 |
| 2.3.4 容积卡尔曼滤波算法 |
| 2.4 目标跟踪的难点及挑战 |
| 2.5 本章小结 |
| 第三章 基于自适应遗忘因子的容积卡尔曼滤波算法 |
| 3.1 引言 |
| 3.2 容积卡尔曼滤波的理论基础 |
| 3.2.1 贝叶斯滤波 |
| 3.2.2 容积准则 |
| 3.3 改进卡尔曼滤波算法 |
| 3.3.1 自适应遗忘因子 |
| 3.3.2 交互式多模型 |
| 3.3.3 基于自适应遗忘因子的容积卡尔曼滤波算法 |
| 3.4 仿真实验与分析 |
| 3.5 本章小结 |
| 第四章 基于能量有效的容积卡尔曼滤波算法 |
| 4.1 引言 |
| 4.2 网络能量有效概念 |
| 4.2.1 分簇协议 |
| 4.2.2 能量衰减机制 |
| 4.3 基于能量有效的目标跟踪 |
| 4.3.1 系统模型建立 |
| 4.3.2 基于能量有效的容积卡尔曼滤波算法 |
| 4.4 仿真实验与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）低慢小无人机目标红外成像探测关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 提高红外成像探测系统性能的关键技术 |
| 1.2.1 红外图像质量提升技术 |
| 1.2.2 红外弱小目标图像背景抑制技术 |
| 1.3 相关领域算法研究现状 |
| 1.3.1 非均匀性校正算法国内外现状 |
| 1.3.2 红外图像增强算法国内外现状 |
| 1.3.3 红外弱小目标背景抑制算法国内外现状 |
| 1.4 本论文课题来源及主要研究内容 |
| 1.4.1 本论文课题来源 |
| 1.4.2 主要研究内容 |
| 1.4.3 论文的内容安排 |
| 第二章 红外成像原理及相关理论基础 |
| 2.1 引言 |
| 2.2 红外图像获取及数学模型 |
| 2.2.1 红外图像获取 |
| 2.2.2 红外图像数学模型 |
| 2.3 图像滤波理论 |
| 2.3.1 基于局部图像的滤波算法 |
| 2.3.2 基于全局的图像滤波 |
| 2.4 红外图像质量客观评价指标 |
| 2.4.1 有参照评价 |
| 2.4.2 无参照评价 |
| 2.5 本章小结 |
| 第三章 基于时空域非线性滤波的红外焦平面非均匀性校正 |
| 3.1 引言 |
| 3.2 基于时空域非线性滤波的非均匀性校正算法框架 |
| 3.2.1 红外探测器的响应模型 |
| 3.2.2 算法流程 |
| 3.3 基于改进三边滤波的红外焦平面阵列非均匀校正 |
| 3.3.1 基于改进三边滤波的空域FPN提取 |
| 3.3.2 基于梯度加权均值滤波的时域图像细节残差剔除 |
| 3.3.3 算法流程 |
| 3.3.4 实验结果和分析 |
| 3.4 基于自适应权重加权引导滤波的红外焦平面阵列非均匀性校正 |
| 3.4.1 针对条纹状噪声的自适应全局权重 |
| 3.4.2 基于自适应权重加权引导滤波的非均匀性校正 |
| 3.4.3 实验结果和分析 |
| 3.5 本章小结 |
| 第四章 基于图像分解的红外图像细节与对比度增强 |
| 4.1 引言 |
| 4.2 基于概率非局部均值滤波与Retinex的红外图像增强 |
| 4.2.1 算法流程 |
| 4.2.2 基于单尺度Retinex的红外图像灰度调节 |
| 4.2.3 基于概率非局部均值的红外图像细节与对比度增强 |
| 4.2.4 图像重构 |
| 4.2.5 实验结果和分析 |
| 4.3 基于双权重加权引导滤波的红外图像增强 |
| 4.3.1 算法流程 |
| 4.3.2 噪声权重与细节权重估算 |
| 4.3.3 基于双权重引导滤波的噪声滤除与图像边缘细节提取 |
| 4.3.4 图像对比度与细节增强 |
| 4.3.5 实验结果分析 |
| 4.4 本章小结 |
| 第五章 基于多尺度平滑滤波的红外弱小目标背景抑制 |
| 5.1 引言 |
| 5.2 基于多尺度全局滤波与局部标准化欧氏距离的红外弱小目标背景抑制 |
| 5.2.1 基于全局滤波的多尺度平滑及数据立方体构建 |
| 5.2.2 基于局部标准化欧氏距离与非线性函数的背景抑制 |
| 5.2.3 实验结果和分析 |
| 5.3 基于多尺度快速滚动引导滤波的红外弱小目标背景抑制 |
| 5.3.1 基于多尺度快速滚动引导滤波的图像立方体构造 |
| 5.3.2 基于核主成分分析的图像数据降维及主成分提取 |
| 5.3.3 基于马氏距离的背景抑制 |
| 5.3.4 实验结果和分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）火箭飞行轨道目标跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容与结构 |
| 2 火箭航迹定位与测速基本理论 |
| 2.1 主要坐标系及其转换 |
| 2.1.1 空间参考系的相关概念 |
| 2.1.2 大地坐标系及天文坐标系 |
| 2.1.3 常用坐标系 |
| 2.1.4 坐标系之间的转换 |
| 2.2 基本的弹道参数解算方法 |
| 2.2.1 单台测量设备定位方法 |
| 2.2.2 两台光学经纬仪交会定位 |
| 2.2.3 多RR系统定位 |
| 2.3 常用的速度与加速度中心平滑公式 |
| 2.4 本章小结 |
| 3 多源弹道数据定位算法 |
| 3.1 基于最小二乘的交会解算 |
| 3.1.1 问题描述 |
| 3.1.2 最小二乘估计 |
| 3.1.3 仿真实验与分析 |
| 3.2 基于递推最小二乘的交会解算 |
| 3.2.1 问题描述 |
| 3.2.2 递推最小二乘估计 |
| 3.2.3 仿真实验与分析 |
| 3.3 基于最小距离加权的弹道解算算法 |
| 3.3.1 问题描述 |
| 3.3.2 算法基本思路 |
| 3.3.3 仿真实验与分析 |
| 3.4 单/多台自动切换弹道解算算法 |
| 3.4.1 引言 |
| 3.4.2 算法基本流程 |
| 3.4.3 工程应用与仿真 |
| 3.5 本章小结 |
| 4 火箭外测数据弹道平滑滤波算法研究 |
| 4.1 引言 |
| 4.2 基于三次B样条的弹道平滑算法 |
| 4.2.1 算法推导 |
| 4.2.2 算法仿真与分析 |
| 4.3 基于滑动多项式的弹道平滑算法 |
| 4.3.1 算法推导 |
| 4.3.2 算法仿真与分析 |
| 4.4 本章小结 |
| 5 基于神经网络修正的目标跟踪算法研究 |
| 5.1 引言 |
| 5.2 非线性目标跟踪算法 |
| 5.2.1 扩展卡尔曼滤波跟踪 |
| 5.2.2 无迹卡尔曼滤波跟踪 |
| 5.3 基于Elman神经网络的无迹卡尔曼滤波算法 |
| 5.3.1 Elman神经网络 |
| 5.3.2 算法基本原理 |
| 5.3.3 基于Elman神经网络的无迹卡尔曼滤波器设计 |
| 5.3.4 算法仿真与分析 |
| 5.4 本章小结 |
| 6 弹道跟踪定位系统用户平台搭建 |
| 6.1 开发环境与平台 |
| 6.2 软件框架设计 |
| 6.3 软件实现 |
| 6.4 软件使用实例 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 研究方向展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（5）多站雷达目标跟踪算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 目标跟踪算法的研究背景及意义 |
| 1.1.2 多传感器信息融合的研究背景及意义 |
| 1.2 研究历史及现状 |
| 1.2.1 目标跟踪算法的研究历史及现状 |
| 1.2.2 多传感器信息融合的研究历史及现状 |
| 1.3 研究内容安排 |
| 第二章 目标跟踪滤波与估计融合滤波的基本原理 |
| 2.1 引言 |
| 2.2 贝叶斯定理在目标跟踪中的应用 |
| 2.2.1 贝叶斯递归过程 |
| 2.2.2 目标跟踪中的递归贝叶斯解 |
| 2.2.3 最优贝叶斯滤波 |
| 2.3 估计融合滤波的基本方法 |
| 2.3.1 集中式融合方法与分布式融合方法 |
| 2.3.2 状态向量融合方法与观测向量融合方法 |
| 2.4 本章小结 |
| 第三章 雷达目标跟踪滤波算法研究 |
| 3.1 引言 |
| 3.2 卡尔曼滤波算法 |
| 3.3 基于卡尔曼滤波算法的改进算法 |
| 3.3.1 扩展卡尔曼滤波器 |
| 3.3.2 无迹卡尔曼滤波器 |
| 3.3.3 量测转换卡尔曼滤波器 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 卡尔曼滤波仿真 |
| 3.4.2 非线性滤波仿真 |
| 3.5 本章小结 |
| 第四章 多传感器信息融合滤波算法研究 |
| 4.1 引言 |
| 4.2 协方差交叉融合估计算法 |
| 4.2.1 协方差椭圆及其性质 |
| 4.2.2 CI融合算法 |
| 4.2.3 仿真实验与结果分析 |
| 4.3 信息矩阵航迹融合算法 |
| 4.3.1 信息滤波器 |
| 4.3.2 无反馈的信息矩阵融合 |
| 4.3.3 带反馈的信息矩阵融合 |
| 4.3.4 仿真实验与结果分析 |
| 4.4 异步多站雷达联合目标跟踪 |
| 4.4.1 问题描述 |
| 4.4.2 基于CMKF的顺序量测异步融合 |
| 4.4.3 仿真实验与结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于多模型的地面机动目标协同定位方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 目标运动模型研究现状 |
| 1.2.2 多模型算法结构研究现状 |
| 1.2.3 非线性滤波方法研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 机动目标协同定位建模与验证 |
| 2.1 引言 |
| 2.2 地面目标运动模型 |
| 2.2.1 CV和CA模型 |
| 2.2.2 “当前”统计模型 |
| 2.2.3 协同转弯模型 |
| 2.3 红外传感器测量模型 |
| 2.4 基于确定性采样的非线性滤波方法 |
| 2.4.1 容积卡尔曼滤波 |
| 2.4.2 迭代容积卡尔曼滤波 |
| 2.4.3 改进迭代容积卡尔曼滤波 |
| 2.4.4 协同定位滤波器设计 |
| 2.5 基于拉丁超立方抽样的测量噪声模拟方法 |
| 2.6 数学仿真及分析 |
| 2.6.1 仿真场景 |
| 2.6.2 蒙特卡洛仿真及分析 |
| 2.7 本章小结 |
| 第3章 基于定结构多模型的机动目标协同定位方法 |
| 3.1 引言 |
| 3.2 定结构多模型算法基本框架 |
| 3.3 基于改进迭代容积卡尔曼滤波的交互式多模型算法 |
| 3.3.1 模型集选取 |
| 3.3.2 滤波器设计 |
| 3.3.3 仿真场景 |
| 3.3.4 数学仿真及分析 |
| 3.4 定结构多模型算法仿真对比分析 |
| 3.5 协同定位性能影响因素分析 |
| 3.5.1 红外传感器测角精度分析 |
| 3.5.2 红外传感器采样步长分析 |
| 3.5.3 无人机基线长度分析 |
| 3.5.4 无人机数量分析 |
| 3.5.5 模型转移概率矩阵分析 |
| 3.6 本章小结 |
| 第4章 基于变结构多模型的机动目标协同定位方法 |
| 4.1 引言 |
| 4.2 变结构多模型算法基本框架 |
| 4.3 基于改进迭代容积卡尔曼滤波的自适应网格交互式多模型算法 |
| 4.3.1 自适应网格交互式多模型算法设计 |
| 4.3.2 仿真场景 |
| 4.3.3 数学仿真与分析 |
| 4.4 变结构多模型算法仿真对比分析 |
| 4.4.1 基于改进迭代容积卡尔曼滤波的动态有向图交互式多模型算法 |
| 4.4.2 基于改进迭代容积卡尔曼滤波的有向图切换交互式多模型算法 |
| 4.4.3 对比分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文及其它成果 |
| 致谢 |
（7）天基红外系统探测导弹助推段弹道估计算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 天基红外系统发展现状 |
| 1.2.1.1 天基红外系统系统组成 |
| 1.2.1.2 天基红外系统探测体制 |
| 1.2.1.3 天基红外系统工作模式 |
| 1.2.2 导弹助推段运动建模研究现状 |
| 1.2.2.1 基于模板的建模方法 |
| 1.2.2.2 基于模型的建模方法 |
| 1.2.3 弹道估计滤波算法研究现状 |
| 1.3 论文工作及章节安排 |
| 第二章 天基红外系统探测导弹助推段弹道估计基础和模型分析 |
| 2.1 引言 |
| 2.2 空间坐标描述 |
| 2.2.1 坐标系定义 |
| 2.2.2 坐标系转换 |
| 2.3 导弹助推段动力学模型 |
| 2.4 天基红外系统星座构成及轨道参数 |
| 2.5 天基红外系统探测导弹助推段弹道估计处理方法 |
| 2.5.1 天基红外系统探测导弹助推段弹道估计流程 |
| 2.5.2 天基红外系统探测导弹助推段弹道估计性能 |
| 第三章 基于容积卡尔曼滤波的助推段弹道估计 |
| 3.1 引言 |
| 3.2 当前统计模型 |
| 3.3 天基红外系统双星探测模型 |
| 3.4 容积卡尔曼滤波算法 |
| 3.4.1 当前统计模型-无迹卡尔曼滤波算法 |
| 3.4.2 当前统计模型-容积卡尔曼滤波算法 |
| 3.4.3 简化当前统计模型-容积卡尔曼滤波算法 |
| 3.4.4 滤波算法初始化 |
| 3.4.5 过程噪声设置 |
| 3.5 算法仿真与分析 |
| 3.5.1 基于CS-CKF的助推段弹道估计算法仿真 |
| 3.5.1.1 仿真场景 |
| 3.5.1.2 仿真结果及分析 |
| 3.5.2 基于简化CS-CKF的助推段弹道估计算法仿真 |
| 3.6 小结 |
| 第四章 基于不完备推力加速度模板的助推段弹道估计 |
| 4.1 引言 |
| 4.2 基于不完备推力加速度模板的导弹助推段运动模型 |
| 4.3 基于不完备推力加速度模板的助推段弹道估计算法 |
| 4.3.1 滤波算法初始化 |
| 4.3.2 过程噪声设置 |
| 4.4 算法仿真与分析 |
| 4.4.1 仿真场景 |
| 4.4.2 仿真结果及分析 |
| 4.5 小结 |
| 第五章 基于三星探测数据融合的助推段弹道估计 |
| 5.1 引言 |
| 5.2 天基红外系统覆盖能力分析 |
| 5.2.1 天基红外系统探测STK仿真 |
| 5.2.2 GEO卫星的探测视场 |
| 5.2.3 天基红外系统区域覆盖能力分析 |
| 5.3 天基红外系统三星探测模型 |
| 5.4 基于三星探测数据融合的助推段弹道估计算法 |
| 5.5 算法仿真与分析 |
| 5.5.1 基于CS模型的三星探测弹道估计算法仿真 |
| 5.5.1.1 仿真场景 |
| 5.5.1.2 仿真结果及分析 |
| 5.5.2 基于不完备推力加速度模板的三星探测弹道估计算法仿真 |
| 5.5.2.1 仿真场景 |
| 5.5.2.2 仿真结果及分析 |
| 5.6 小结 |
| 第六章 天基红外系统探测导弹助推段弹道估计仿真系统 |
| 6.1 引言 |
| 6.2 系统设计 |
| 6.2.1 系统功能设计 |
| 6.2.2 系统结构设计 |
| 6.3 系统实现 |
| 6.3.1 导弹弹道仿真模块 |
| 6.3.2 天基红外系统探测模块 |
| 6.3.3 导弹运动状态估计模块 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（8）雷达资源分配与目标跟踪算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究历史与现状 |
| 1.2.1 雷达资源分配 |
| 1.2.2 雷达目标跟踪算法 |
| 1.3 研究内容及计划安排 |
| 第二章 基于动态时间片节拍和任务相关性的自适应调度 |
| 2.1 引言 |
| 2.2 可分配雷达资源 |
| 2.3 传统的自适应调度算法 |
| 2.3.1 经典EDF算法 |
| 2.3.2 HPEDF算法 |
| 2.4 基于动态时间片节拍的时序设计 |
| 2.4.1 时间片的定义 |
| 2.4.2 时序设计 |
| 2.5 基于任务相关性的自适应调度算法 |
| 2.5.1 任务模型 |
| 2.5.2 任务相关性模型 |
| 2.5.3 评估指标 |
| 2.5.4 任务驻留时间对雷达威力的影响 |
| 2.5.5 执行任务选择 |
| 2.5.6 调度策略 |
| 2.6 仿真分析 |
| 2.6.1 以动态时间片为节拍的时序设计仿真 |
| 2.6.2 基于任务相关性的自适性调度算法仿真 |
| 2.7 本章小结 |
| 第三章 基于信噪比模型的目标跟踪 |
| 3.1 引言 |
| 3.2 量测噪声分析 |
| 3.2.1 数学模型 |
| 3.2.2 目标回波信噪比随距离的变化 |
| 3.2.3 雷达方位测角精度分析 |
| 3.2.4 雷达俯仰测角精度分析 |
| 3.2.5 雷达测距精度分析 |
| 3.2.6 量测噪声协方差的选取 |
| 3.3 基于信噪比模型的扩展卡尔曼滤波 |
| 3.3.1 扩展卡尔曼滤波算法 |
| 3.3.2 基于信噪比模型的扩展卡尔曼滤波 |
| 3.4 基于信噪比模型的不敏卡尔曼滤波 |
| 3.4.1 不敏卡尔曼滤波算法 |
| 3.4.2 基于信噪比模型的不敏卡尔曼滤波 |
| 3.5 仿真分析 |
| 3.5.1 角度误差变化仿真 |
| 3.5.2 距离误差变化仿真 |
| 3.5.3 距离误差角度误差变化仿真 |
| 3.6 本章小结 |
| 第四章 利用姿态角辅助的目标跟踪 |
| 4.1 引言 |
| 4.2 利用姿态角的目标跟踪 |
| 4.2.1 姿态角的定义 |
| 4.2.2 数学模型 |
| 4.2.3 算法实现 |
| 4.3 利用姿态角辅助的非机动目标跟踪算法 |
| 4.3.1 利用姿态角的扩展卡尔曼滤波 |
| 4.3.2 利用姿态角的不敏卡尔曼滤波 |
| 4.3.3 仿真分析 |
| 4.4 利用姿态角辅助的机动目标跟踪算法 |
| 4.4.1 机动目标跟踪算法 |
| 4.4.2 利用姿态角辅助的机动目标跟踪算法 |
| 4.4.3 仿真分析 |
| 4.5 本章小结 |
| 第五章 杂波环境下的目标跟踪 |
| 5.1 引言 |
| 5.2 杂波环境下传统的目标跟踪算法 |
| 5.2.1 杂波环境下非机动目标跟踪算法 |
| 5.2.2 杂波环境下机动目标跟踪算法 |
| 5.3 径向速度分析 |
| 5.3.1 径向速度获取 |
| 5.3.2 基于多普勒量测的测速精度分析 |
| 5.3.3 径向速度线性化 |
| 5.4 杂波环境下径向速度辅助的非机动目标跟踪算法 |
| 5.4.1 数学模型 |
| 5.4.2 径向速度波门 |
| 5.4.3 利用径向速度的Kalman-PDA算法 |
| 5.4.4 仿真分析 |
| 5.5 杂波环境下径向速度辅助的机动目标跟踪算法 |
| 5.5.1 数学模型 |
| 5.5.2 径向速度波门 |
| 5.5.3 利用径向速度的IMM-PDA算法 |
| 5.5.4 仿真分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于双重复合轴结构的舰载光电跟踪系统控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 相关领域的研究概况 |
| 1.2.1 光电跟踪系统的国内外研究概况 |
| 1.2.2 光电跟踪系统中滤波算法的研究概况 |
| 1.2.3 光电跟踪系统中复合轴控制技术的研究概况 |
| 1.3 本文主要研究内容与章节安排 |
| 2 光电跟踪复合轴系统的设计与建模 |
| 2.1 双重复合轴光电跟踪系统的原理与设计 |
| 2.1.1 双重复合轴控制系统的原理 |
| 2.1.2 双重复合轴控制系统的设计 |
| 2.2 光电跟踪粗跟踪系统的原理与建模 |
| 2.3 光电跟踪精跟踪系统的原理与建模 |
| 2.3.1 快速反射镜的原理与建模 |
| 2.3.2 音圈电机式快速反射镜的原理与建模 |
| 2.3.3 压电陶瓷式快速反射镜的原理与建模 |
| 3 舰艇扰动解算模型 |
| 3.1 坐标系与坐标转换 |
| 3.1.1 大地坐标系 |
| 3.1.2 甲板坐标系 |
| 3.1.3 坐标转换 |
| 3.2 舰艇运动分析 |
| 3.2.1 舰艇转动运动的影响分析 |
| 3.2.2 舰艇平移运动的影响分析 |
| 3.3 舰艇摇摆姿态分析与扰动解算模型 |
| 3.3.1 舰艇摇摆姿态转换矩阵 |
| 3.3.2 视轴扰动角位移模型 |
| 3.3.3 视轴扰动角速度模型 |
| 3.4 舰艇扰动解算模型的仿真验证 |
| 4 粗跟踪系统的控制方法研究 |
| 4.1 粗跟踪系统控制技术原理介绍 |
| 4.1.1 复合控制技术原理 |
| 4.1.2 基于等效复合控制的共轴跟踪技术原理 |
| 4.2 目标状态预测及目标跟踪滤波算法 |
| 4.2.1 目标运动模型 |
| 4.2.2 目标跟踪滤波算法 |
| 4.3 基于改进容积卡尔曼滤波算法的目标状态预测 |
| 4.3.1 坐标系及目标模型选择 |
| 4.3.2 ICKF算法实现过程 |
| 4.4 仿真实验及结果分析 |
| 4.4.1 参数设定 |
| 4.4.2 仿真实验及数值分析 |
| 5 精跟踪系统的控制方法研究 |
| 5.1 压电陶瓷驱动的快速反射镜的自适应反演滑模控制 |
| 5.1.1 自适应反演滑模控制器设计 |
| 5.1.2 仿真数值分析 |
| 5.2 音圈电机驱动的快速反射镜控制器设计 |
| 5.3 基于ABSM控制器的精跟踪系统仿真及数值分析 |
| 6 三种典型导弹的跟踪仿真 |
| 6.1 反舰导弹航路模拟 |
| 6.2 基于共轴跟踪的双重复合轴系统仿真分析 |
| 6.2.1 参数设定 |
| 6.2.2 结果分析 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）临近空间高速滑翔飞行器轨迹跟踪滤波方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外在该方向的研究现状及分析 |
| 1.2.1 临近空间高速滑翔飞行器研究概况 |
| 1.2.2 目标运动模型研究现状 |
| 1.2.3 跟踪算法结构研究现状 |
| 1.2.4 滤波算法在轨迹跟踪应用中的研究现状 |
| 1.3 本文组织结构及主要研究内容 |
| 第2章 助推段轨迹跟踪建模及非线性卡尔曼滤波方法 |
| 2.1 引言 |
| 2.2 临近空间高速滑翔飞行器助推段目标跟踪建模 |
| 2.2.1 助推段目标运动建模 |
| 2.2.2 天基红外预警卫星测量模型 |
| 2.2.3 扩展卡尔曼滤波算法 |
| 2.3 基于确定性采样的非线性滤波算法 |
| 2.3.1 确定性采样滤波算法的基本框架 |
| 2.3.2 无迹卡尔曼滤波算法 |
| 2.3.3 容积卡尔曼滤波算法 |
| 2.4 数学仿真 |
| 2.4.1 仿真场景及条件 |
| 2.4.2 仿真结果及分析 |
| 2.5 本章小结 |
| 第3章 随机时延主动段跟踪滤波方法 |
| 3.1 引言 |
| 3.2 随机时延系统的数学描述 |
| 3.3 随机时延滤波算法 |
| 3.3.1 状态增广 |
| 3.3.2 状态更新 |
| 3.3.3 测量更新 |
| 3.4 数学仿真 |
| 3.5 本章小结 |
| 第4章 滑翔段目标运动建模及跟踪滤波器设计 |
| 4.1 引言 |
| 4.2 平衡滑翔模式目标运动建模 |
| 4.3 跳跃滑翔模式目标运动建模 |
| 4.4 滑翔段跟踪滤波器设计 |
| 4.4.1 交互式多模型算法 |
| 4.4.2 滑翔段跟踪滤波器设计 |
| 4.5 数学仿真 |
| 4.6 本章小结 |
| 第5章 混合网格多模跟踪滤波方法 |
| 5.1 引言 |
| 5.2 混合网格多模型算法的基本框架 |
| 5.3 混合网格多模型算法的推导 |
| 5.3.1 基于粗模型子集的状态估计 |
| 5.3.2 基于细模型子集的状态估计 |
| 5.3.3 模型概率更新与全局估计融合 |
| 5.4 基于矩匹配的细模型子集的设计方法 |
| 5.4.1 模式矩的计算 |
| 5.4.2 细模型子集的生成 |
| 5.4.3 细模型子集设计算例 |
| 5.5 数学仿真 |
| 5.5.1 模型集及跟踪滤波器参数设置 |
| 5.5.2 仿真结果及分析 |
| 5.6 本章小结 |
| 第6章 非高斯噪声下的鲁棒跟踪滤波方法 |
| 6.1 引言 |
| 6.2 基于Huber更新方法的鲁棒高阶容积滤波算法 |
| 6.2.1 回归理论的相关概念 |
| 6.2.2 基于Huber更新方法的鲁棒高阶容积滤波 |
| 6.3 基于最大相关熵的鲁棒高阶容积滤波算法 |
| 6.3.1 最大相关熵准则 |
| 6.3.2 基于最大相关熵的鲁棒高阶容积滤波 |
| 6.4 数学仿真 |
| 6.4.1 仿真场景 |
| 6.4.2 测量噪声为闪烁噪声 |
| 6.4.3 测量噪声为脉冲噪声 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间所发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
四、光电跟踪目标的非线性滤波算法研究（论文参考文献）
- [1]基于预测滤波的光电系统跟踪控制技术研究[D]. 何秋农. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [2]基于容积卡尔曼滤波的目标跟踪研究[D]. 陈燕平. 电子科技大学, 2021(01)
- [3]低慢小无人机目标红外成像探测关键技术研究[D]. 李佳. 西安电子科技大学, 2020
- [4]火箭飞行轨道目标跟踪算法研究[D]. 刘思宇. 西安理工大学, 2020(01)
- [5]多站雷达目标跟踪算法的研究[D]. 郭佳慧. 西安电子科技大学, 2020(05)
- [6]基于多模型的地面机动目标协同定位方法[D]. 蔡李根. 哈尔滨工业大学, 2020(02)
- [7]天基红外系统探测导弹助推段弹道估计算法研究[D]. 储雪峰. 战略支援部队信息工程大学, 2020(01)
- [8]雷达资源分配与目标跟踪算法研究[D]. 刘代. 西安电子科技大学, 2020(08)
- [9]基于双重复合轴结构的舰载光电跟踪系统控制方法研究[D]. 刘禹铭. 南京理工大学, 2020(01)
- [10]临近空间高速滑翔飞行器轨迹跟踪滤波方法研究[D]. 秦武韬. 哈尔滨工业大学, 2019(02)