CN111077518A - 一种基于距离-多普勒量测的跟踪滤波方法及装置 - Google Patents
一种基于距离-多普勒量测的跟踪滤波方法及装置 Download PDFInfo
- Publication number
- CN111077518A CN111077518A CN201911322113.2A CN201911322113A CN111077518A CN 111077518 A CN111077518 A CN 111077518A CN 201911322113 A CN201911322113 A CN 201911322113A CN 111077518 A CN111077518 A CN 111077518A
- Authority
- CN
- China
- Prior art keywords
- doppler
- range
- expression
- distance
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及空间目标跟踪技术领域,尤其涉及一种基于距离‑多普勒量测的跟踪滤波方法及装置、计算机设备、计算机可读存储介质;该方法包括:构造距离‑多普勒空间状态向量;建立距离‑多普勒空间的系统模型;利用两点差分法,对距离‑多普勒空间状态向量进行滤波初始化;利用不敏卡尔曼滤波器和距离‑多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。本发明可仅依靠距离‑多普勒量测提取距离和多普勒信息,实现空间目标跟踪。
Description
技术领域
本发明涉及空间目标跟踪技术领域,尤其涉及一种基于距离-多普勒量测的跟踪滤波方法及装置、计算机设备、计算机可读存储介质。
背景技术
在逆合成孔径雷达(ISAR)系统中,仅有距离量测或仅有距离-多普勒量测估计器的输出,常被用来控制距离门和天线指向。双基地雷达或者多基地雷达系统中,仅依靠距离量测或仅依靠距离-多普勒量测的多传感器跟踪方法,被视为未来利用低成本多传感器网络替代大的孔径天线以达到较高角度分辨率进行目标跟踪的关键技术。
目前,传统的目标跟踪方法通常是在笛卡尔坐标系中进行建模,还没有直接在传感器坐标系中进行跟踪的系统模型,尤其是仅用距离-多普勒量测进行跟踪的精确模型。
发明内容
本发明的目的是针对上述现有技术的至少一部分缺陷,提供一种仅用距离-多普勒量测实现目标跟踪的跟踪滤波技术方案。
为了实现上述目的,本发明提供了一种基于距离-多普勒量测的跟踪滤波方法,该方法包括如下步骤:
S1、构造距离-多普勒空间状态向量;
S2、建立距离-多普勒空间的系统模型;
S3、利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化;
S4、利用不敏卡尔曼滤波器和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。
优选地,所述步骤S1中,构造距离-多普勒空间状态向量进一步包括:
对于CV运动、CT运动,距离-多普勒空间状态向量表达式为:
对于CA运动,距离-多普勒空间状态向量表达式为:
优选地,所述步骤S2中,建立距离-多普勒空间的系统模型进一步包括:
对于CV运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
对于CT运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
优选地,所述步骤S2中,建立距离-多普勒空间的系统模型进一步包括:
对于CA运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
优选地,所述步骤S3中,对距离-多普勒空间状态向量进行滤波初始化进一步包括:
对于CV运动、CT运动,将距离-多普勒空间初始状态向量记为:
相应的初始协方差记为:
则有
优选地,所述步骤S3中,对距离-多普勒空间状态向量进行滤波初始化进一步包括:
对于CA运动,距离-多普勒空间初始状态向量记为:
相应的初始协方差记为:
则有
优选地,所述步骤S4中,在对应的系统模型下进行滤波进一步包括:
根据步骤S3初始化状态向量和协方差,得到:
对于k=2,3,4,…,进行如下迭代:
S4-1、利用UT变换计算2nx+1个δ采样点ξi和相应的权值Wi,表达式包括:
S4-2、计算状态一步预测,表达式为:
S4-3、计算一步预测协方差,表达式为:
S4-4、进行滤波增益,表达式为:
Kk+1=Pxz(Pzz)-1
S4-5、进行状态更新,表达式为:
S4-6、进行方差更新,表达式为:
Pk+1|k+1=Pk+1|k-Kk+1Pzz(Kk+1)′。
本发明还提供了一种基于距离-多普勒量测的跟踪滤波装置,该装置包括:
向量模块,用于构造距离-多普勒空间状态向量;
系统模块,用于建立距离-多普勒空间的系统模型;
初始化模块,用于利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化;
滤波模块,用于利用不敏卡尔曼滤波器和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明的上述技术方案具有如下优点:本发明构造距离-多普勒空间的状态向量,建立相应的系统模型,利用两点差分法推导了状态向量在滤波过程中的初始化方法,并提出了仅基于距离-多普勒量测进行距离、多普勒信息提取的滤波方法,实现了空间目标跟踪。本发明提供的基于距离-多普勒量测的跟踪滤波方法能够实现在没有角度信息的情况下,建立精确的距离和多普勒随时间演化的状态方程,从而能够仅利用距离和多普勒量测提取精确的距离和多普勒估计,为在距离-多普勒空间进行目标跟踪及其他应用建立了基础。
附图说明
图1是本发明实施例中一种基于距离-多普勒量测的跟踪滤波方法的步骤示意图;
图2是本发明实施例中CV运动仿真结果图;
图3是本发明实施例中CT运动仿真结果图;
图4是本发明实施例中CA运动仿真结果图;
图5是本发明实施例中一种基于距离-多普勒量测的跟踪滤波装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种基于距离-多普勒量测的跟踪滤波方法,该方法包括如下步骤:
S1、构造距离-多普勒空间状态向量。
优选地,构造距离-多普勒空间状态向量进一步包括:
对于CV运动(匀速直线运动)、CT运动(恒转弯运动),距离-多普勒空间状态向量表达式为:
对于CA运动(匀加速直线运动),距离-多普勒空间状态向量表达式为:
S2、建立距离-多普勒空间的系统模型。
优选地,建立距离-多普勒空间的系统模型进一步包括:
对于CV运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
对于CT运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
对于CA运动,距离-多普勒空间的状态方程表达式为:
量测方程表达式为:
过程噪声vk的方差表达式为:
量测噪声wk的方差表达式为:
S3、利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化。
优选地,对距离-多普勒空间状态向量进行滤波初始化进一步包括:
对于CV运动、CT运动,将距离-多普勒空间初始状态向量记为:
相应的初始协方差记为:
则有:
对于CA运动,距离-多普勒空间初始状态向量记为:
相应的初始协方差记为:
则有:
S4、利用不敏卡尔曼滤波器(UKF)和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息,最终实现目标跟踪。
优选地,在对应的系统模型下进行滤波进一步包括:
根据步骤S3初始化状态向量和协方差,得到:
对于k=2,3,4,…,进行如下迭代,即对于k=2,3,4,…均采用如下步骤进行递推:
S4-1、利用UT变换计算2nx+1个δ采样点ξi和相应的权值Wi,表达式包括:
S4-2、计算状态一步预测,表达式为:
S4-3、计算一步预测协方差,表达式为:
S4-4、进行滤波增益,表达式为:
Kk+1=Pxz(Pzz)-1
S4-5、进行状态更新,表达式为:
S4-6、进行方差更新,表达式为:
Pk+1|k+1=Pk+1|k-Kk+1Pzz(Kk+1)′。
本发明定义了三种基本运动(匀速直线运动CV、匀加速直线运动CA和恒转弯运动CT)在距离-多普勒空间的状态向量,建立了相应的运动模型,并给出了滤波初始化及滤波的具体方法,填补了现有技术中没有仅用距离-多普勒量测进行跟踪的精确模型的空白,为在距离-多普勒空间进行目标跟踪和其他应用建立了基础。
优选地,为了验证距离-多普勒空间建模和该滤波方法的有效性,本发明还将所提供的方法和该模型下的后验克拉美罗界(PCRLB)进行仿真比较,并考察该方法的一致性。
在一个具体的实施方式中,对于CV运动,仿真情况设定雷达位于坐标原点,以1s的扫描间隔给出目标的距离和多普勒量测信息,量测的标准差分别为σr=800m和相关系数为ρ=0.9。目标做CV运动,初始位置为(30km,30km),初始速度为10m/s,方向-45度。在笛卡尔坐标系下做CV运动的过程噪声标准差设定为0.001m/s2,距离-多普勒空间下系统模型过程噪声的标准差设定为q=0.001m/s2。对上述条件做1000次蒙特卡洛实验的100次跟踪扫描Monte-Carlo仿真结果如图2所示,图2(a)示出了距离RMSE,图2(b)示出了多普勒RMSE,图2(c)示出了状态向量第三个元素RMSE,图2(d)示出了平均归一化状态误差平方,98%置信区间(2.82,3.18)。图2表明CV运动模型在距离-多普勒空间下的滤波误差很快收敛,并且接近于PCRLB,平均归一化状态误差平方落在98%的置信区间内,滤波一致性良好。
在一个具体的实施方式中,对于CT运动,仿真情况设定雷达位于坐标原点,以1s的扫描间隔给出目标的距离和多普勒量测信息,量测的标准差分别为σr=800m和相关系数为ρ=0.9。目标做CT运动,初始位置为(30km,30km),初始速度为10m/s,方向-45度,恒转弯速率为-3deg/s。在笛卡尔坐标系下做CT运动的过程噪声标准差设定为0.001m/s2,距离-多普勒空间下系统模型过程噪声的标准差设定为q=0.001m/s2。对上述条件做1000次蒙特卡洛实验的100次跟踪扫描Monte-Carlo仿真结果如图3所示。图3(a)示出了距离RMSE,图3(b)示出了多普勒RMSE,图3(c)示出了状态向量第三个元素RMSE,图3(d)示出了平均归一化状态误差平方,98%置信区间(2.82,3.18)。图3表明CT运动模型在距离-多普勒空间下的滤波误差很快收敛,并且接近于PCRLB,平均归一化状态误差平方落在98%的置信区间内,滤波一致性良好。
在一个具体的实施方式中,对于CA运动,仿真情况设定雷达位于坐标原点,以1s的扫描间隔给出目标的距离和多普勒量测信息,量测的标准差分别为σr=800m和相关系数为ρ=0.9。目标做CA运动,初始位置为(30km,30km),初始速度为10m/s,方向-45度,加速度为1m2/s。在笛卡尔坐标系下做CA运动的过程噪声标准差设定为0.001m/s2,距离-多普勒空间下系统模型过程噪声的标准差设定为q=0.001m2/s5。对上述条件做1000次蒙特卡洛实验的100次跟踪扫描Monte-Carlo仿真结果如图4所示。图4(a)示出了距离RMSE,图4(b)示出了多普勒RMSE,图4(c)示出了状态向量第三个元素RMSE,图4(d)示出了状态向量第四个元素RMSE,图4(e)示出了状态向量第五个元素RMSE,图4(f)示出了平均归一化状态误差平方,98%置信区间(4.77,5.24)。图4表明CA运动模型在距离-多普勒空间下的滤波误差很快收敛,并且接近于PCRLB,平均归一化状态误差平方落在98%的置信区间内,滤波一致性良好。
从以上的仿真结果可以看出,三种基本运动模型在距离-多普勒空间下的滤波误差很快收敛,并且接近于PCRLB,平均归一化状态误差平方都落在98%的置信区间内,滤波一致性良好。
进一步地,如图5所示,本发明还提供了一种基于距离-多普勒量测的跟踪滤波装置,该装置包括向量模块100、系统模块200、初始化模块300和滤波模块400。
其中,向量模块100用于构造距离-多普勒空间状态向量。系统模块200用于建立距离-多普勒空间的系统模型。初始化模块300用于利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化。滤波模块400用于利用不敏卡尔曼滤波器和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。
特别地,在本发明一些优选的实施方式中,还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施方式中所述的基于距离-多普勒量测的跟踪滤波方法的步骤。
在本发明另一些优选的实施方式中,还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施方式中所述的基于距离-多普勒量测的跟踪滤波方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程,在此不再重复说明。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于距离-多普勒量测的跟踪滤波方法,其特征在于,该方法包括如下步骤:
S1、构造距离-多普勒空间状态向量;
S2、建立距离-多普勒空间的系统模型;
S3、利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化;
S4、利用不敏卡尔曼滤波器和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。
7.根据权利要求5或6任一项所述的方法,其特征在于:所述步骤S4中,在对应的系统模型下进行滤波进一步包括:
根据步骤S3初始化状态向量和协方差,得到:
对于k=2,3,4,…,进行如下迭代:
S4-1、利用UT变换计算2nx+1个δ采样点ξi和相应的权值Wi,表达式包括:
S4-2、计算状态一步预测,表达式为:
S4-3、计算一步预测协方差,表达式为:
S4-4、进行滤波增益,表达式为:
Kk+1=Pxz(Pzz)-1
S4-5、进行状态更新,表达式为:
S4-6、进行方差更新,表达式为:
Pk+1|k+1=Pk+1|k-Kk+1Pzz(Kk+1)′。
8.一种基于距离-多普勒量测的跟踪滤波装置,其特征在于,该装置包括:
向量模块,用于构造距离-多普勒空间状态向量;
系统模块,用于建立距离-多普勒空间的系统模型;
初始化模块,用于利用两点差分法,对距离-多普勒空间状态向量进行滤波初始化;
滤波模块,用于利用不敏卡尔曼滤波器和距离-多普勒量测,在对应的系统模型下进行滤波,提取距离和多普勒信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911322113.2A CN111077518B (zh) | 2019-12-20 | 2019-12-20 | 一种基于距离-多普勒量测的跟踪滤波方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911322113.2A CN111077518B (zh) | 2019-12-20 | 2019-12-20 | 一种基于距离-多普勒量测的跟踪滤波方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077518A true CN111077518A (zh) | 2020-04-28 |
CN111077518B CN111077518B (zh) | 2020-11-06 |
Family
ID=70316017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911322113.2A Active CN111077518B (zh) | 2019-12-20 | 2019-12-20 | 一种基于距离-多普勒量测的跟踪滤波方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077518B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722213A (zh) * | 2020-07-03 | 2020-09-29 | 哈尔滨工业大学 | 一种机动目标运动参数的纯距离提取方法 |
CN111736144A (zh) * | 2020-07-06 | 2020-10-02 | 哈尔滨工业大学 | 一种仅用距离观测的机动转弯目标状态估计方法 |
CN111796266A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种匀加速运动目标rd平面检测前跟踪方法 |
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104777478A (zh) * | 2015-04-16 | 2015-07-15 | 电子科技大学 | 一种相控阵雷达搜索捕获目标的方法 |
CN104793201A (zh) * | 2015-05-04 | 2015-07-22 | 哈尔滨工业大学 | 一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法 |
CN105785358A (zh) * | 2016-05-19 | 2016-07-20 | 哈尔滨工业大学 | 一种方向余弦坐标系下带多普勒量测的雷达目标跟踪方法 |
CN105954742A (zh) * | 2016-05-19 | 2016-09-21 | 哈尔滨工业大学 | 一种球坐标系下带多普勒观测的雷达目标跟踪方法 |
CN107561503A (zh) * | 2017-08-28 | 2018-01-09 | 哈尔滨工业大学 | 一种基于多重渐消因子的自适应目标跟踪滤波方法 |
CN108279412A (zh) * | 2018-01-30 | 2018-07-13 | 哈尔滨工业大学 | 一种目的地约束下目标跟踪装置及方法 |
CN108896986A (zh) * | 2018-04-23 | 2018-11-27 | 电子科技大学 | 一种基于预测值的量测转换序贯滤波机动目标跟踪方法 |
-
2019
- 2019-12-20 CN CN201911322113.2A patent/CN111077518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104777478A (zh) * | 2015-04-16 | 2015-07-15 | 电子科技大学 | 一种相控阵雷达搜索捕获目标的方法 |
CN104793201A (zh) * | 2015-05-04 | 2015-07-22 | 哈尔滨工业大学 | 一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法 |
CN105785358A (zh) * | 2016-05-19 | 2016-07-20 | 哈尔滨工业大学 | 一种方向余弦坐标系下带多普勒量测的雷达目标跟踪方法 |
CN105954742A (zh) * | 2016-05-19 | 2016-09-21 | 哈尔滨工业大学 | 一种球坐标系下带多普勒观测的雷达目标跟踪方法 |
CN107561503A (zh) * | 2017-08-28 | 2018-01-09 | 哈尔滨工业大学 | 一种基于多重渐消因子的自适应目标跟踪滤波方法 |
CN108279412A (zh) * | 2018-01-30 | 2018-07-13 | 哈尔滨工业大学 | 一种目的地约束下目标跟踪装置及方法 |
CN108896986A (zh) * | 2018-04-23 | 2018-11-27 | 电子科技大学 | 一种基于预测值的量测转换序贯滤波机动目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
GONGJIAN ZHOU ET AL.: ""Constant turn model for statically fused converted measurement Kalman filters"", 《SIGNAL PROCESSING》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722213A (zh) * | 2020-07-03 | 2020-09-29 | 哈尔滨工业大学 | 一种机动目标运动参数的纯距离提取方法 |
CN111722213B (zh) * | 2020-07-03 | 2023-11-03 | 哈尔滨工业大学 | 一种机动目标运动参数的纯距离提取方法 |
CN111736144A (zh) * | 2020-07-06 | 2020-10-02 | 哈尔滨工业大学 | 一种仅用距离观测的机动转弯目标状态估计方法 |
CN111736144B (zh) * | 2020-07-06 | 2023-09-26 | 哈尔滨工业大学 | 一种仅用距离观测的机动转弯目标状态估计方法 |
CN111796266A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种匀加速运动目标rd平面检测前跟踪方法 |
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN111796267B (zh) * | 2020-07-14 | 2022-05-06 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111077518B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111077518B (zh) | 一种基于距离-多普勒量测的跟踪滤波方法及装置 | |
CN106680776B (zh) | 对多普勒信息不敏感的低旁瓣波形设计方法 | |
Mehrjouyan et al. | Robust adaptive unscented Kalman filter for bearings-only tracking in three dimensional case | |
KR100816269B1 (ko) | 언센티드 필터를 적용한 강인한 동시 위치 추정 및 지도작성 방법 | |
Shi et al. | Adaptive UKF for target tracking with unknown process noise statistics | |
CN109655826B (zh) | 一种低慢小目标轨迹滤波方法及装置 | |
CN110209180B (zh) | 一种基于HuberM-Cubature卡尔曼滤波的无人水下航行器目标跟踪方法 | |
CN109298420B (zh) | 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置 | |
Zhang et al. | Extended object tracking using random matrix with skewness | |
Chang et al. | Applied state estimation and association | |
Xia et al. | Extended object tracking using hierarchical truncation measurement model with automotive radar | |
Thormann et al. | Learning an object tracker with a random forest and simulated measurements | |
CN111722213B (zh) | 一种机动目标运动参数的纯距离提取方法 | |
CN111708013B (zh) | 一种距离坐标系目标跟踪滤波方法 | |
CN111736144B (zh) | 一种仅用距离观测的机动转弯目标状态估计方法 | |
Ebert et al. | Dynamic object tracking and 3D surface estimation using Gaussian processes and extended Kalman filter | |
Zhou et al. | State estimation with destination constraints | |
Goldberg | Joint direction-of-arrival and array-shape tracking for multiple moving targets | |
Lin et al. | Indoor mapping using gmapping on embedded system | |
Kumar et al. | Estimate-Merge-Technique-based algorithms to track an underwater moving target using towed array bearing-only measurements | |
CN115327503A (zh) | 基于高斯粒子滤波的固定单站无源定位方法和相关装置 | |
Voronina et al. | Algorithm for constructing trajectories of maneuvering object based on bearing-only information using the Basis Pursuit method | |
Kumar et al. | State estimation of radar tracking system using a robust adaptive unscented Kalman filter | |
Yang et al. | SLAM Based on Double Layer Unscented Kalman Filter | |
Goldfrank et al. | Risk Reduction in Target Motion Analysis Using Approximate Dynamic Programming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |