建立了基于运动学模型的机载红外被动测距算法。在算法中, 根据目标的方位和俯仰角度信息, 利用状态预测滤波的方法来测量目标的距离, 并结合卡尔曼滤波技术降低测距的误差。仿真分析表明: 当机动时间达到20 s的时候测距误差基本能控制在10%左右, 随着机动时间的增加, 误差变化率趋于稳定。该算法适用于机载红外搜索/跟踪系统对空中目标的被动测距。
运动学模型 红外搜索跟踪系统 被动测距 卡尔曼滤波 kinematics model IRSTS passive ranging Kalman Filtering
1 陕西师范大学物理学与信息技术学院,西安,710062
2 西安电子科技大学电子工程学院210室,西安,710071
3 西北大学电子科学系,西安,710069
利用IRST(红外搜索与跟踪)系统所获取的各目标的角度及其红外光谱辐射功率和信息,通过对红外光谱辅射功率和的相关处理,运用选优的JPDA(联合概率数据关联)算法与IMM(交互多模型)算法实现了IRST系统的单站多目标跟踪,并通过两个仿真场景对算法性能进行了检验.仿真结果表明:在跟踪开始阶段,两个场景中的每个目标都能获得高精度的跟踪;当目标编队飞行时,算法能对各目标进行有效的跟踪,而且跟踪精确度也是令人满意的;当目标交叉飞行时,跟踪的误差明显加大,随着时间的延续,对远距离目标会失去跟踪能力,但对近距离目标仍能进行有效的跟踪.
红外 红外光谱辐射功率 单站 联合概率数据关联 交互多模型 多目标跟踪 IRSTS Irradiance Single observer Multiple target tracking IMM JPDA
首先用扩展卡尔曼滤波算法构建了机载红外搜索跟踪系统被动定位滤波模型,然后针对该滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用虚拟噪声技术,提出了适合于红外搜索跟踪系统被动定位的自适应扩展卡尔曼滤波算法,该算法实时地估计了虚拟噪声的统计特性,减小了线性化误差,提高了非线性滤波的精度.仿真结果表明,在完全相同的初始条件下,自适应扩展卡尔曼滤波对目标距离和速度的估计结果明显优于扩展卡尔曼滤波,此算法具有很高的工程应用价值.
红外搜索跟踪系统 被动定位 扩展卡尔曼滤波 自适应扩展卡尔曼滤波 虚拟噪声 IRSTS Passive location Extended Kalman Filter（EKF） Adaptive Extended Kalman Filter（AEKF） Subjuctive noise
1 陕西师范大学物理学与信息技术学院,陕西,西安,710062
2 西安电子科技大学,电子工程学院,陕西,西安,710071
建立了目标的多站IRST(红外搜索与跟踪)系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法.算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明:当探测器数目为3、4时,在跟踪初始阶段,伪线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿.当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同.
红外搜索与跟踪 多站 无源跟踪 伪线性卡尔曼滤波 IRSTS multi-stations passive tracking pseudo-linear Kalman filter
