机动目标预测跟踪方法研究

合集下载

机动目标模型研究与发展综述

另外，Bar-Shalom 和 Fortmann 在 Singer 模型的
基础上，将其离散化，便得到了 Bar-Shalom and
Fortmann 模型。 1.3 半马尔可夫模型[2]
Singer 模型为零均值模型。这种机动加速度的
零均值特性对于模拟机动目标来说似乎不太合理。
为此，Moose 等提出了具有随机开关均值的相关高
显然，影响跟踪精度最直接和最重要的因素是模型
和算法。尽管模型和算法已确定，但可以通过对一
些参数的调整对模型进行改进，从而提高跟踪精度。
1）目标机动时间常数的倒数 α （即机动频率）的自适应调整。
在“当前”模型中目标加速度状态变量的估计值等于状态噪声的均值与目标机动频率 α (加速度时间常数的倒数)倒数的乘积。所以可以通过调整机动频率 α 来改变对目标加速度的估计值。但是当采用的模型与实际的模型不相符时，会使系统的误差变大，有可能造成目标丢失，在此，通过对目标状态误差的估计而自适应地选择α ，从而提高估计的精度。文献[3]和[4]中的机动频率 α 的调整，主要利用了观测新息在目标机动时发生变化这一特点，根据滤波新息的变化，自适应调整机动频率α ，从而达到调整状态转移矩阵和状态协方差矩阵的目的，使其更接近于目标的真实状态。
目标的机动情况时，其速度与加速度估计的动态时
延明显较大，位置误差也较大，因此不能很好地实
时反映目标的机动情况。另外为了保持一定的跟踪
精度，amax 与 a−max 的选值一般不大，而事实上一旦目标机动加速度超过该选值时，其跟踪性能会明显
14
潘平俊，等：机动目标模型研究与发展综述
第 28 卷
恶化，因此跟踪机动加速度的相对动态范围就较小。

一种实时的机动目标多模型跟踪算法

・１・０Ｏ
火炮发射与控制学报ＪＯＵＲＮＡＬＯＦＧＵＡＵＮＨ＆ＣＮＴＯＬＮＬＣＯＲ
２００８年１月２
一
种实时的机动目标多模型跟踪算法
杨维，丁天宝，赵凯，石德乾
（北机电工程研究所，陕西成阳７２９）西１０９
量小，因此适合在自行高炮的目标跟踪中使用。
关键词：息处理技术；机动目标跟踪；转换测量；Ｋｌｎ滤波；滤波模型偏离度信ａｍａ
中图分类号：Ｐ０．；Ｔ３１９Ｔ３１６Ｐ９．文献标志码：Ａ文章编号：１７ — ５４（０８４００ — ４６３６２２０）０ — １００
ｍｏｅｓｎｈｎｌｅａｔｍａｉｗｉｈｏｈｗｏｃｌｔｒｌｌｎｆｌｅｓｗａｍｐｅｅｔｄ，Ｓｈｏｄｌ，ａｄｔｅｏ —ｉｕｏｔｓｔｆｅｔｏｌｅａｎｃｃｔａＫａｍａｉｒｓｉｌｍｎｅｔＯｔｅｔ —
摘
要：提出了一种实时的机动目标多模型跟踪算法。该算法包含两个并行的Ｋｌｎ滤波器，分别为匀ａｍａ
速Ｋａｎ滤波器和匀加速Ｋｌｎ滤波器。定义了 “ 波运动模型偏离度 ”作为模型切换的判据，在线实现ｌｍａａｍａ滤了两个Ｋａｍｎ波器的自动切换，使总输出结果最大程度的符合实际运动模型。通过可调过程噪声的自适应ｌａ滤方法，抑制了滤波发散，避免了在模型切换时误差跳变过大。仿真测试结果表明，该算法跟踪精度高，计算

空域机动目标智能搜索跟踪算法

标进入跟踪状态，可根据目标尺寸自适应的调整波门大小，目标瞬时遮挡的情况采用综合预测得到对
目标位置，若不满足目标灰度级门限判定或预测条件，则转为重新搜索，实现无人工干预的智能搜索
跟踪功能。实验结果表明，Ｄ４在Ｍ６２平台上搜索状态下最大区域的搜索时间小于２ｍｓ在跟踪状态下０，
目标识别时间小于５。完全满足现代空域机动目标电视智能跟踪系统速度、度和稳定性的要波门搜索；连通域分析；灰度级门限判定；最优目标；综合预测金
第４卷第４期１
Ｖｏ．１Ｎｏ４１．４
红外与激光工程
ＩｆａｅｎｓｒＥｎｉｅｒｎｎｒｒｄａｄＬａｅｇｎｅｉｇ
２１０２年４月
Ａｐｒ２２．０１
空域机动目标智能搜索跟踪算法
景文博，王晓曼，国伟，刘姜会林（长春理工大学光电工程学院，吉林长春１０２）３０２
ＪｎｅｂｉｇＷｎｏ，ＷａｇＸｉｏａｎａｍｎ，ＬｉｏｉｉｎｉｉｕＧｕｗｅ，ＪａｇＨｕｌｎ
（ｃｏｌｆＰｏｏｌｃｉｎｉｅｒｇＣａｇｈｎＵｉｅｓｙｏｃｎｅａｄＴｃｎｌｇ，ｈｇｈｎ１０２，ｉａＳｈｏｈｔｅｔｃＥｇｎｅｉ，ｈｎｃｕｎｖｒｔｆＳｉｃｎｅｈｏｏｙＣａｃｕ３０２Ｃｈｎ）ｏｅｒｎｉｅｎ

一种交互多模型的远距离弱机动目标跟踪算法研究

看，探测星等数越高 ቤተ መጻሕፍቲ ባይዱ 在用于跟踪的相机视场内的
ＷＡＧＮｎ，Ａｉｊ，ＨＮｅｇ— ｉＮｉＬＮＷｅ — ｉＣＥＧＧｎｊｎｇｅａ
（ｈ７ＲｅｅｒｈＩｓｉｕｅｏｈｎｋｃｏｉｓＴｃｎｌｇＴｅ２ｓａｃｎｔｔｆＣｉａＥｔｎｃｅｈｏｏｙｔｒ
ｒｈｒｅｔｍｅｔｃｉｇｒｑｉｍｎｓｆｐｃａｇｔｅａｋｇａｇｒｈ（Ｉｉｍｓｉｏｄｒｏｅｔｒｋｎｕｒｅｔｏｓａｅｔｅｓｔｎａｅｅｒｒ．ＡｎｗｔｃｉｏｉｍｍｓｒｎｌｔＭＭ）ｂｓｄｏａｅｎ
第４期２００９年１２月
电
光
系
统
Ｎｏ４．
Ｅｅｔｏｉｎｌｃｒ－ｐｉａｙｔｍｓｌｃｒｎｃａｄＥｅｔｏｔｌＳｓｅｏｃ
Ｄｅ．２０９ｃＯ
一
种交互多模型的远距离弱机动目标跟踪算法研究
王宁，兰为杰，程更建
ＧｏｐＣｒｏａｏＺｅｇｈｕ４０４Ｃｉａ）ｒｕｏｒｔｎ，ｈｎｚｏ５０７，ｈｎｐｉ
ＡｂｔａｔＴｅｅａｅｍａｙａｇｒｔｍｓｆｒｄｔｃｉｇａｄｔｃｉｇｏｅｋｍａｅｖｒｇｔｒｅｓａｒｄｓａｃ．ｅｓｒｃ：ｈｒｒｎｌｏｉｈｅｅｔｎａｋｎｆａｎｕｅｎａｇｔｔｉｔｎｅＤｕｏｎｒｗｉｆｏｔｏｌａｅａｋｒｕｄａｄｂｕｆｍａｉｇｔａｙｏｃｒｕｄｒｏｔｒｓａｅ，ｔｅｅａｇｒｈｙｂｓｄｏｃｍｐｉｔｄｂｃｇｏｎｎｌｒｏｇｎｔｍａｃｕｎｅｕｅｐｃｃｉｈｈｓｌｏｉｍｓｍａｅｕｅｔｏｌｎｅｐｃａｃｒｕｔｎｅｎｙｕｄｒｓｅｉｉｃｍｓｃ．Ｂａｅｎａａｙｉｏａｋｏｎ，ｎｉｎｎｏｄｔｎａｄｒａ —ｔｒ — ｌａｓｄｏｎｌｓｓｎｂｃｇｕｄｅｖｒｍｅｔｃｎｉｏｎｅｒｏｉｌｉｐｏｍｅｃｓｉｇｃｐｂｌｙｏｌｏｔｍｓｆｒｓａｅ —ｂｓｄｄｔｃｉｎ，ｔｉｎｃｓａｙｔｐｉｚｕｒｎｒｃｉｇａｇ — ｅｓａａｉｔｆａｇｒｈｐｃｎｉｉｏａｅｅｅｔｓｉｓｅｅｓｒｏｏｔｅｃｒｅｔｔｋｎｏｏｍｉａｌ

一种新的基于机动检测的机动目标跟踪算法

1.2 机动检测
由 Kalman 滤波得到归一化的新息平方 ev (k) 为 ev (k + 1) = vT(k + 1)S- 1 (k+ 1)v(k + 1) ， (14)
它服从 n 自由度的 c 2 分布。其门限按如下方法进行
设置，
P{ev (k +1) } emax = 1- a ，
摘要：针对 Ka lma n 滤波跟踪机动目标发散和目前多数自适应 Ka lm a n 滤波算法对运动模型适应性不强的问题，
提出了一种新的基于机动检测的机动目标跟踪算法，通过实时自适应的改变滤波模型提高对机动目标跟踪精度。
对这种方法与 Ka lm a n 滤波算法进行了计算机仿真比较，结果表明，该方法计算量小，可实时精确地自适应匹配
(6)
预测协方差矩阵为
P (k +1| k) = FP (k |k)F T + Q(k) ，
(7)
量测预测值为
Z(k +1|k) = H(k +1)X (k +1| k) ，
(8)
新43;1| k) ，
(9)
收稿日期：2006-07-24 基金项目：国家自然科学基金资助项目（批准号：60541001）；全国优秀博士学位论文作者专项基金（编号：200443）作者简介：关成斌（1979- ），男，讲师，硕士；王国宏（1963- ），男，教授，博导，博士 .
滤波协方差矩阵为 P (k+ 1| k +1) = [ I - K(k+ 1) H(k + 1)]P (k +1| k) 。(13)
由式 (11)可见，滤波增益矩阵不直接受状态估计的影响，也就是说无论实际状态估计的结果是好是坏，当前的增益矩阵都是一样的。这种方法在过程噪声为白噪声且过程噪声协方差为与当前噪声匹配的情况下，K alman 滤波可以很好的跟踪上目标，而一旦目标发生机动，过程噪声变为色噪声，此时就会发生模型不匹配，造成跟踪发散。而在实际应用中目标很有可能发生有意无意的机动，因此标准 Kalman 滤波远远满足不了使用要求。针对上述情况，提出如下的解决方法。

基于RBF网络和IMM的机动目标跟踪方法

ＡｄｓｍｅｔｉｍｅａｉｇｔｉｔｒｎｒｏｓａｐｎｅｎｔｅｗｅｇｔｃｒｅｔｇｆｒｕａｉｊｔｎｔｒｌｔｎｏｆｅｉｇｅｒｒｉｐｅｄｄｉｈｉｈｏｒｃｉｏｍｌｎＲＢＦｌａｎｎｌｏｉｈ．１ｒｕｅｌｎｅｒｉｇａｇｒｍａ — ｔ
的幅度也相应增大。仿真结果表明．目标发生机动转弯处．正后的Ｉ在校ＭＭ算法的跟踪误差要明显小于标
准ＩＭＭ算法的跟踪误差．跟踪精度较高。
［键词］机动目标；踪；尔曼滤波；Ｆ神经网络关跟卡ＲＢ［图分类号］Ｔ９３中Ｎ５［文献标识码］Ａ
络输出结果和直接由卡尔曼滤波求解得到的结果相加．以得到更为准确的滤波值。同时．网络的学习算可在法中．网络权值矩阵的修正公式中增加了反映滤波残差的调整项．卡尔曼滤波的残差较大，络调整权值在若网
维普资讯
第２６卷第３期
弹箭与制导学报
・２・３９
基于ＲＦ网络和ＩＢＭＭ的机动目标跟踪方法
朱志宇，炜，晓强刘戴
（苏科技大学电子信息学院．苏镇江江江２２０）１０３
［要］文中提出了一种应用ＲＦ神经网络对标准Ｉ摘ＢＭＭ算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、尔曼增益以及测量值与估计值之差．卡网络输出反映了由于目标机动所带来的滤波误差．网将

机动目标跟踪中的多模型算法

ＣＨＥＮａ —ｅｇ，ＩＣｅｇｘｎ，ＸｉｏｆｎＪｈｎ — ｉＣＨＥＮｎＹａｇ
（ｌａａｌＡｃｄｅｙ，ＤａｉｎＮｖａａｍＤａｌｎ６Ｏ８，ｉ１１１Ｃｈｉａ）ａｎ
Ａｂｔａｔｓｒｃ：Ｔｈｍｕｔ— ｏｌｌｏｉｈｍｕｎｒｏｓｄｖｌｉｇｅｌｉｍｄｅａｇｒｔｄｅｇｅａｅｅｏｐｎｐｒｃｓｆｏｍｓａｉｍｕｌｉｍｏｌｏｅｓｒｔｔｃｔ— ｄｅ（ＳＭＭ）ｔｎｅａｔｖｕｔ— ｏｌ（ＭＭ），ｒｏｉｔｒｃｉｅｍｌｉｍｄｅＩｆｏｍｉｅｔｕｃｕｒｕｔ－ｏｌ（ｆｘｄｓｒｔｅｍｌｉｍｄｅＦＳＭＭ）ｔａｉｂｌｏｖｒａｅｓｒｃｕｒｕｔ— ｏｌ（ｔｕｔｅｍｌｉｍｄｅＶＳＭＭ）ＴｈｉｐｒａｌｚｓｔｅｌｍｉａｉｆＦＳＭＭｌｏｒｔ．ｓｐａｅｎａｙｅｈｉｔｔｏｎｓｏａｇｉｈｍ，ｔｉｓｏｂａｎｔｄａａａｄｏｒｔｏｌｏｃａｉｎｓｏｆｔｈｅａｖｎｔｇｅｎｐｅａｉｎａｃｓｏｈｅＶＳＭＭｌｏｒｔｍ。ｎｒｕｃｓｈｓｔｈｉｇａｇａｇｉｈｉｔｏｄｅｔｅｗｉｃｎｌｏ— ｒｔｉｈｍｈｏｆｔｅＶＳＭＭ，ｉｇｓｆｒｒｎｄｏｗｂｒｎｏｗａｄａｋｉｆｎｅＶＳＭＭｌｏｒｔｍ— — ｔｅｍｉｍｕｓ — ｄｅａｇｉｈｈｎｉｍｕｂｍｏｌｓｔｓｔｈｎｇ（ＳＭＳｅｗｉｃｉＭＳ）ａｇｉｈａｈｅｓｍｅｔｍｅｌｏｒｔｍｔｔａｉ。

跟踪机动目标的雷达波形选择新方法

第33卷第3期系统工程与电子技术Vol.33 No.32011年3月Systems Engineering and Electronics M arch 2011文章编号:1001 506X(2011)03 0515 08收稿日期:2010 03 09;修回日期:2010 11 24。

基金项目:国家自然科学基金(60872059);国家科技重大专项(2009ZX02027 004)资助课题作者简介:檀甲甲(1984 ),男,博士研究生,主要研究方向为数字信号处理算法及其应用。

E mail:hahajiajia@gm 跟踪机动目标的雷达波形选择新方法檀甲甲,张建秋(复旦大学电子工程系,上海200433)摘要:针对多项式预测模型描述的机动目标,提出了一种新的雷达波形选择算法。

由于机动目标的运动方程满足多项式的规律,以运动目标的多项式预测模型作为状态方程,Kalman 滤波器可以很好地跟踪目标的位移和速度信息,并得到估计误差以及其预测。

利用跟踪器得到目标状态估计误差的预测误差椭圆为基准,通过分数阶傅里叶变换来旋转测量误差椭圆,以使得雷达的测量误差椭圆与目标跟踪算法对目标状态的估计误差的预测的误差椭圆正交,从而得到了最优的波形选择。

仿真结果表明,所提出的算法在性能上优于对比算法。

关键词:雷达波形选择;目标跟踪;多项式预测模型;Kalman 滤波器;模糊函数;分数阶傅里叶变换中图分类号:T N 953 文献标志码:A DO I :10.3969/j.issn.1001 506X.2011.03.10New waveform selection approach to tracking maneuver targetsT AN Jia jia,ZH ANG Jian qiu(Department of El ectronic Engineering,Fudan University ,S hanghai 200433,China)Abstract:A new approac h to w aveform selection for t racking the m aneuver target w hich is described by apolynomial prediction model is proposed.Because the m otion equation of the t arget is a polynom ial funct ion of t he time,t he polynom ial prediction m odel can describe the m ot ion st ate of the target accurat ely.If t he polyno m ial predict ion m odel is taken as the state equat ion of th e Kalman filter,t he Kalman f ilter can be used to t rack t he pos ition and velocity of the target and predict the prior uncertainty error ellipse of t he tracking system.A ccording to the prior uncert aint y error ellipse,t he f ractional Fourier t ransf orm (FrFT )is used to rot ate the m easurem ent error ellipse to make them orthogonal to each other.In this w ay,the optim al w aveform is select ed.T he sim ulation results show that the proposed algorit hm outperform s the constrast algorithm s.Keywords:w aveform selection;t arget tracking;polynom ial prediction m odel;Kalman filter;ambiguity f unct ion;f ract ional Fourier t ransform (FrFT )0 引言长期以来,对于有源雷达的研究主要集中在如何提高接收机的效率,具体表现在如何从接收到的信号中提取关键信息的研究。

基于分类模型的目标跟踪算法研究

ＡｂｔａｔＴｈｌｏｉｍｆｔｒｅｒｃｎｓｂｓｄｏｈｌｓｉｃｔｎｍｏｅ．Ｉｈｓａｇｒｔｍｈａｇｔｓｎｔｎｓｒｃｅａｇｒｔｈｏａｇｔａｋｉｇｉａｅｎｔｅｃａｓｆａｉｄ１ｎｔｉｌｏｉｔｉｏｈｔｅｔｒｅｗａｏＯｌｈａｌｓｆｏｔｅｓｎｏｓａｌｓｗｅｅｃａｓｆｄｂｕｅｉｈｗｅｅｄｆｅｙｔｅｍｏｅ．Ｉｖｒｌｓｐｃａｙｔｅｓｍｐｅｒｍｈｅｓｒ．Ｓｍｐｅｒｌｓｉｅｙｒｌｓｗｈｃｒｅｉｄｂｈｄ１ｎｅｅｙｃａｓａｓｅｉｌｉｎｖｌｅｗａａｃｌｔｄｗｈｃｓｃｎｉｅｅｓａｎｗａｌｎｔｗａｈｐｔｏｈｅｔｌｖ１ａｕｓｃｌｕａｅｉｈｗａｏｓｄｒｄａｅｓｍｐｅａｄｉｓｔｅｉｕｆｔｅｎｘｅｅ．Ｔｈｌｓｉｅｓｃｎｂｅｎｅｃａｓｆｒａｅｄ — ｉ
ＣＡ模型的缺陷在于模型中目标的运动形式单一，
而在Ｓｎｅ模型中对于机动加速度的概率密度函ｉｇｒ数服从均匀分布，且机动加速度均值为零的假设一
踪滤波器ＳＦ，Ｔ［Ｈ滤波器和交互多模型算法
摘
要
基于分类模型的目标跟踪算法采用分类模型实现对多目标的跟踪。在传统算法中目标跟踪的对象是每个传

用于纯方位机动目标跟踪的机动探测法

一
计矗（＝毫七（，（，（）＋时刻的七（（，七七，）求ｋ１））））七’
预测方位，并得到一步方位预测误差即为：
定的机动类型有很好的效果，少数的方法是对状
△ （十）（十１一Ｂｋ）８七１＝豆七）（＋１
维普资讯
第２卷笫２８蝴
２００６年４月
指挥控制与仿真
ＣｍｍａｄＣｏｔｌＳｉｌｔｏｎｎｒ＆ｏｍｕａｉｏｎ
、．８Ｎｏ２ｂＩ２．
Ａｐ．０６ｒ０２
文章编号：１７－８９２０）２０３５６３３１（０６０．０００
（ｉｇｕＡｔｍａｏｅｅｒｈＩｓｔｔｏＳＣ，ｉｙｎａｇ２０６ＣｉａＪｎｓｕｏｔｎＲｓａｔｕｅｆＩＬａｕｇｎ２０，ｈｎ）ａｉｃｎｉＣｎ２
Ａｂｔａｔｓｒｃ：Ｔｈａｇｔｓａｓｍｅｔａｒｎｏｉｓａｔｔｗｉｈｂｔｅｗｏｌｅｒｍｏｉｎｙｃａｇｎｔｏｒｅｅｔｒｅｓｕｄａａｄｍｎｔｏｓｔｅｗｅｎｔｉａｔｓｂｈｎｉｇｉｓｃｕｓｉｎｃｎｏｏｅｏｉ．Ｔｅｐｏｏｅｎｕｅｅｅｔｇａｇｒｔｍｅｅｔｈｃａｇｎｅｓｈｅｅｔｎｔ．Ｔｈｒｖｌｃｔｙｈｒｐｓｄｍａｅｖｒｄｔｃｉｌｏｉｎｈｄｔｃｓｅｈｔｎｅａｄｇｔｔｅｄｔｃｉｉｏｍｅｅａｇｒｔｍｓｂｓｄｏｅｕｎｅｏｅｉｇｐｅｉｔｎｅｒｒ．ｅｔｅｔａｅｈｅｔｆｃａｇｎｅｅｓｔｅｌｏｉｈｉａｅｎａｓｑｅｃｆｂａｎｒｄｃｉｒｏｓＴｈｎｉｓｉｔｓｔｉｏｈｎｅａｄｒｓｔｈｒｏｍｍｅｆｔｒｔｏｕｅｔｅｔｇｔｍｏｉｎｅｔｔｓｕｏｄｔｃｅｉ．ｈｌｏｉｍｅｆｒｎｅｉｌｓｒｔｄｉｏｉｅｏｃｍｐｔｈａｅｔｓｉｅｐｔｅｅｔｄｔｌｒｏｍａｍｅＴｅａｇｒｔｈｐｒｏｍａｃｓｉｌｔａｅｎｓｍｅｕｒｐｅｅｔｔｖＡｃｎｒｏ．ｅｒｓｎａｉｅＴＭｓｅａｉｓＫｅｒｓｂａｉｇ－ｎｙｔｇｔｒｃｉｇｍａｅｖｒｅｅｔｇｆｌｒｙｗｏｄ：ｅｒｎｓｏｌ；ａｅａｋｎ；ｎｕｅｔｃｉ；ｉｔｒｔｄｎｅ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

机动目标预测跟踪方法研究
【摘要】在目标被遮挡条件下的自动预测跟踪中，研究了跟踪机动目标过程中的角位置自适应卡尔曼预测算法。

针对估计与预算中出现的发散现象，推导了导引头框架角位置预测方法。

建立了目标遮挡预测跟踪测试系统，设计多种不同的目标运动形式，并通过转台实现，测试改进的自适应位置预测算法在典型测试条件下的有效性和准确程度。

实验结果表明：当目标进入遮挡区域时，改进的自适应位置预测算法能够有效地实现预测跟踪，保证目标退出遮挡时能够顺利重新捕获和跟踪。

【关键词】机动目标跟踪；自适应预测；卡尔曼滤波
1引言
日趋复杂的作战环境，对成像导引头的探测和跟踪能力提出了更高的要求，尤其是由于隐身、伪装、热障等条件下发生目标短时间丢失时，如何解决目标的预测跟踪问题显得尤为重要。

合理的预测跟踪算法能够准确地对目标实施预测引导跟踪，为图像处理赢得算法调整时间，并且保证目标再次出现在视场内时较小的跟踪误差，顺利实现目标的再捕获和跟踪。

机动目标的滤波与预测是估计当前和未来时刻目标运
动参数（如位置、速度和加速度）的必要技术手段。

当目标做非机动运动时，采用基本的滤波和预测方法即可很好地达到目的。

但是，在实际的目标估计与预测过程中，目标往往会发生机动，这时采用基本的滤波和预测方法以及先前的目标运动模型，已不能满足问题求解的需要，估计与预测也会出现发散现象。

这时就需要对基本的滤波和预测方法加以改进以求能够更加有效地解决问题。

2目标预测跟踪测试系统构成
2.1目标预测跟踪测试系统硬件
双轴电视导引头以俯仰框为内框，方位框为外框，内框中安装双轴微机械速度陀螺仪用于敏感内外轴系的惯性角速度，角位置传感器为光电编码器，执行器采用直流有刷力矩电机。

目标采用LED光源，安装在用于模拟目标运动的转台上，该转台可以模拟目标俯仰方向的运动，俯仰轴角度范围为±35°。

应用图1所示的开发测试系统，可以方便地进行导引头系统的跟踪测试实验，伺服控制器和图像处理算法都可以快速更改和测试，大大加快了系统的开发进度。

2.2跟踪测试系统的工作原理
导引头通过面阵可见光CCD相机获取LED光源的图像，然后对所获取的图像进行对比度分析，识别目标以后输出目标在靶面上的形心坐标。

在导引头伺服系统中，需要通
过求解反三角函数将像素值变换为俯仰框架的角增量指令
用于控制导引头的视线指向目标。

导引头伺服系统采用位置-速度双回路控制结构，位置环控制器采取常规的PI控制器，速度环采用PI控制器进行误差调节，采用基于模型参考自适应的扰动力矩观测器进行扰动观测和抑制。

3自适应预测跟踪系统的关键算法
在机动目标运动信息预测方面，前期研究较多的维纳滤波、α-β-γ滤波以及标准卡尔曼滤波都很难在目标的多种运动状态下使滤波器具有良好的跟踪性能。

现阶段在导引头跟踪系统中，有开发与应用前景的是实时辨识自适应滤波算法中的机动目标“当前”统计模型的均值与方差自适应跟踪算法。

在“当前”统计模型概念条件下，当目标正以某一加速度机动时，通过典型的离散处理方法，我们可以得到下列离散状态方程：
（1）
当采用上述的方程进行预算时，卡尔曼滤波方程可表示为：
（2）
如果将的一步预测看作在kT时刻的“当前”加速度即随机机动加速度的均值，自适应卡尔曼滤波算法可以表示为（3）
机动目标“当前”统计模型的均值与方差自适应跟踪算法能更为真实的反映目标机动范围和强度的变化，不仅能很好的跟踪机动与非机动目标，而且能严格消除稳态误差，估计无时间滞后，是实时辨识自适应滤波类方法中较为实用的算法。

4测试实验与结果
4.1测试实验主要参数
测试过程中使用的导引头为俯仰-偏航结构的电视导引头，图像处理器为DSP+FPGA结构的硬件平台，测试平台中各子系统的主要参数如表1所示。

4.2俯仰轴预测跟踪测试
首先使用目标遮挡板对俯仰方向进行遮挡，测试预测算法在目标进入遮挡区域时的跟踪效果。

对俯仰轴跟踪过程选取了图2中所示的四幅图像，在跟踪的第14s到第20s为目标被遮挡时间，遮挡时间共计6s，使用预测指令跟踪目标，当目标重新出现在靶面上时，依然处于靶心的位置，可以证明跟踪算法在这种条件下的有效性和准确性。

实验过程记录了俯仰方向的脱靶量、图像跟踪指令以及角位置变化情况，如图3所示。

算法中设计的跟踪回路的控制指令切换至预测值；当目标重新出现在视场中并且被图像处理器识别和跟踪后，跟踪回路的控制指令切换回到由脱靶量解算的角增量指令。

图3
中，（a）表示在预测跟踪过程中，俯仰方向的脱靶量；（b）表示在预测跟踪过程中，俯仰方向脱靶量解算指令以及预测指令；（c）表示俯仰方向目标遮挡实验全过程中导引头俯仰轴的角位置变化情况，其中，用红色实线标注的部分是预测跟踪过程中，俯仰轴的角位置变化情况。

从图3中可以看出当目标进入遮挡区域，图像跟踪丢失的情况下，预测跟踪能够顺利启用并且有效地实现对目标的预测跟踪，保证了目标退出遮挡重新进入视场后的再次捕获和跟踪。

5结束语
本文根据现代战场环境下导引头稳定跟踪平台会遇到的跟踪过程中目标被遮挡或干扰的情况，提出了应用自适应卡尔曼预测算法估计框架角位置信息用于引导跟踪的方法，同时，为了提高载体抑制扰动的能力，提出了应用基于模型参考自适应的扰动力矩观测器的方法，并介绍了用于测试预测跟踪效果的测试系统的结构和工作原理。

然后研究了基于“当前”加速度模型的自适应卡尔曼预测算法和扰动力矩观测器结构。

最后，测试了目标遮挡条件下预测跟踪的实际效果。

实验结果证明：导引头的俯仰能够实现遮挡条件下的预测跟踪，相比脱靶量指令，预测跟踪指令降低了67%。

基本满足了遮挡或干扰条件下的导引头预测跟踪的要求。

参考文献
[1] 李道京，王启才. 机动目标预测问题的研究[J]. 现代
雷达，1992，10（5）：10-15.
[2] 黄永梅，马佳光，傅承毓. 预测滤波技术在光电经纬仪中的应用仿真[J].光电工程，2002，29（4）：5-9.
[3] 黄永梅，张桐，唐涛等. 卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究[J]. 光电工程，2006，33（6）：4-9.
[4] Bernd Uhrmeister.Kalman Filters for a Missile with Radar and/or Imaging Sensor [J]. Journal of Guidance，Control，andDynamics，1994，17（6）：1339-1344.
[5] Y.T. CHAN，J.B. PLANT，J.R.T. BOTTOMLEY. A Kalman Tracker With a Simple Input Estimator [J]. IEEE Transactions on Aerospace andElectronic Systems，1982，18（2）：235 - 241.
[6] K.V. RAMACHANDRA， B.R. MOHAN， B.R. GEETHA.A Three-State Kalman Tracker Using Position and Rate Measurements[J]. IEEE Transactions on Aerospace andElectronic Systems，1993，29（1）：215-222.
作者简介：
林京君（1987-），女，山东莱阳人，长春工业大学，硕士研究生；主要研究方向和关注领域：目标追踪。

林晓梅（1965-），女，山东黄县人，长春光机所，教授；主要研究方向和关注领域：信号处理。