1 西安工程大学 计算机科学学院，西安 710048
2 德克萨斯州大学 奥斯汀分校 人类生态系, 德克萨斯州 奥斯汀 78712
针对带标签的高斯混合概率假设密度滤波算法无法获取衍生目标的问题，提出一种可以提取衍生目标的带标签GM-PHD 算法。首先，通过为高斯项加注标签的方式区别不同的目标，以辨别单个目标及其航迹。其次，在滤波过程中，对每一时刻得到的状态估计值与已形成的航迹标签进行匹配关联，实现航迹维持。最后，通过设置衍生阈值来判断状态估计中是否存在衍生目标以及可能产生的目标个数，为新生目标高斯项和可能的衍生目标高斯项重新分配标签，并创建新的航迹。仿真实验结果表明，与传统的带标签GM-PHD 算法相比，在衍生目标存在的情况下，改进算法具有更好的跟踪性能。
概率假设密度滤波 随机有限集 状态估计 衍生目标 带标签GM-PHD probability hypothesis density filter random finite sets sate estimation spawn targets labeling GM-PHD
针对杂波环境下标准的势均衡多伯努利滤波器不能有效跟踪多机动目标的问题，本文提出了一种新的多机动目标跟踪算法。该方法将势均衡多伯努利滤波器与“当前”统计自适应模型相结合，对目标的运动状态矩阵进行扩维，改变了目标状态转移矩阵和过程噪声方差，增加控制矩阵，实现目标加速度的自适应调整，从而使新算法能够适应目标运动状态的变化。仿真结果表明，在机动条件下，新算法能有效地跟踪多机动目标，而且跟踪精度较高。
势均衡多伯努利滤波器 机动目标 “当前”统计自适应模型 目标跟踪 概率假设密度滤波 CBMeMBer filter maneuvering targets adaptive current statistical model target tracking probability hypothesis density filter
1 西安工程大学计算机科学学院，西安 710048
2 西安电子科技大学电子工程学院，西安 710071
针对传统最大似然被动定位算法（ MLE）在定位过程中需要设定初始位置的问题，提出了一种改进的 MLE定位算法。首先采用最小二乘法计算目标初始位置。此外，为了适应量测误差，将其与传感器位置之间的差方根作为传感器测量误差的近似加权矩阵，再使用加权最小二乘公式，估计新的目标位置。最后，将该估计值作为初始值，使用传统 MLE算法获得最终定位结果。改进算法无需设定初始目标位置，运算过程不易发散，时间复杂度不高，取得的定位精度和传统 MLE算法相同。仿真结果表明了改进算法的有效性。
被动定位 目标定位 最大似然估计 数据融合 passive localization target localization maximum likelihood estimation data fusion
1 西安工程大学计算机科学学院, 西安 710048
2 西安电子科技大学电子工程学院, 西安 710071
基于随机有限集理论的多目标跟踪方法, 能够避免数据关联步骤的困扰, 能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题。本文分析基于数据关联和基于随机集理论的多目标跟踪方法, 阐明基于随机集理论的多目标跟踪方法的特点和优点, 对目标状态提取、航迹关联、更准确的滤波算法, 以及复杂条件下的 PHDF算法等关键问题进行总结和评述, 并指出该领域今后的研究热点。
随机有限集 多目标跟踪 概率假设密度滤波 状态估计 粒子滤波 random finite set multi-target tracking probability hypothesis density filter state estimation particle filter
针对非高斯噪声对卡尔曼滤波误差性能存在影响的问题，通过计算不同分布之间信息距离的方法来度量噪声分布序列的非高斯程度。分别针对符合高斯分布、均匀分布、伽马分布、瑞利分布的随机噪声序列，在噪声均值和方差相同的条件下，采用卡尔曼滤波算法进行仿真实验，考察其滤波结果的误差性能。实验结果表明：上述三种非高斯分布的非高斯程度不同；非高斯系统和高斯系统滤波结果的误差性能基本一致。
卡尔曼滤波 信息距离 非高斯分布 非高斯度量 Kalman filtering information distance non-Gaussian distribution non-Gaussian metric
1 西安工程大学 计算机科学学院,西安 710048
2 西安电子科技大学 电子工程学院影像系统实验室,西安 710071
在使用机载雷达对地面目标进行跟踪过程中,常规粒子滤波算法时间复杂度高,误差性能改善幅度不明显。在状态向量服从高斯分布的条件下,将高斯粒子滤波算法应用到机载GMTI雷达非线性滤波过程中。该方法可以根据状态向量的二阶统计量抽取粒子,粒子权值不需要递推计算。相对于常规粒子滤波算法,降低了时间复杂度,并且能够在一定程度上提高误差性能。仿真结果证明了该方法的有效性。
目标跟踪 地面移动目标指示跟踪 高斯粒子滤波 机载雷达 target tracking Ground Moving Target Indicator (GMTI) Gaussian particle filter airborne radar
1 西安电子科技大学 电子工程学院影像系统实验室,西安 710071
2 西安工程大学 计算机学院,西安 710048
在多传感器被动定位过程中,借助传感器之间的几何位置关系,可得到传感器和目标之间的三角函数约束。然后通过最优化方法计算各个传感器的测量误差,并用该误差修正测量值。由于最优化方法结果往往是局部最优值或者是近似最优值,导致在交叉定位过程中仍然会存在多个不重合的交叉点。本文考虑到目标定位误差不但受到传感器性能的影响,而且也受到目标和传感器之间径向距离的影响,将传感器性能和径向距离作为参数计算各个交叉点的权值,然后对交叉点加权求和,从而获得了较好的定位效果。仿真实验表明改进算法的有效性。
几何约束定位 无源定位 最小二乘 数据融合 geometric constraint localization passive localization least squares data fusion
