《机动目标跟踪》求取 ⇩

上卷单机动目标跟踪（SMTT）2

第一章 单机动目标跟踪概论2

1 ．1 引言2

1．2 单机动目标跟踪基本原理2

1．3 单机动目标跟踪基本要素3

1．3．1 量测数据形成与处理3

1．3．2 机动目标模型4

1．3．3 机动检测与机动辨识5

1．3．4 自适应滤波与预测6

1．3．5 跟踪坐标系与滤波状态变量的选取7

1．4 系统分析与 Monte Cario 仿真8

1．5 背景资料与建议8

参考文献8

第二章 机动目标模型10

2．1 引言10

2．2 微分多项式模型10

2．3 CV和C A 模型12

2．4 时间相关模型13

2．4．1 高阶时间相关模型的一般表示式13

2．4．2 一阶时间相关模型(Singer 模型)15

2．4．3 二阶时间相关模型16

2．4．4 关于一阶时间相关模型的讲座与分析17

2．5 半马尔可夫模型17

2．6 Noval 统计模型18

2．7 机动目标"当前"统计模型19

2．8 总结20

参考文献21

附录2A 成形滤波器输入输出互相关函数Rvf（t，t1）与激励函数F（t）的脉冲响 应W1（ t，t1 ）等价的证明22

附录2C Wiener-Kolmogorov 白化程序23

附录2B Singer 模型中机动加速度方差a2a的计算23

第三章 基本的跟踪滤波与预测方法25

3．1 引言25

3．2 线件自回归滤波25

3．3 两点外推滤波27

3．4 维纳滤波27

3．5 加权最小二乘滤波28

3．6 α-β 与 α-β-γ 滤波29

3．6．1 α-β 滤波29

3．6．2 α-β-γ 滤波30

3．6．3 参数 α、β、γ 状态噪声方差q和量测噪声方差r的关系30

3．6．4 参数 α、β、γ 的选取32

3．7 卡尔曼滤波与预测33

3．7．1 卡尔曼滤波与预测基本方程34

3．7．2 卡尔曼滤波与预测在机动目标跟踪中的作用35

3．7．3 卡尔坚固滤波与 α、β、γ 滤波的对应性35

3．8 简化的卡尔曼滤波37

3．8．1 降低卡尔曼滤计算量的途径37

3．8．2 常增益滤波38

3．8．3 状态约减39

3．8．4 分段循环卡尔曼滤波39

3．9．1 定性评述40

3．8．5 解耦卡尔曼滤波40

3．9 七种滤波与预测方法评述40

3．9．2 滤波性能的定量评价41

3．10 非线性滤波42

3．10．1 推广卡尔曼滤波42

3．10．2 二阶滤波46

3．10．3 统计线性化滤波47

3．10．4 迭代滤波48

3．11．2 关于模型误差所收起的滤波发散问题及其克服方法51

3．11．1 滤波发散现象及其产生原因51

3．11 滤波发散及其克服方法51

3．10．5 其他非线性滤波方法51

3．11．3 关于滤波数值不稳定性问题及其克服方法52

3．12 总结53

参考文献53

第四章 机动目标跟踪中的自适应滤波56

4．1 引言56

4．2 检测自适应滤波56

4．2．1 x2分布检验与状态噪声方差补偿57

4．2．2 决策自适应跟踪器59

4．2．3 Thorp 检测器60

4．2．4 系统噪声水平漫步连续匹配法62

4．2．5 输入(加速度)估计器63

4．2．6 变维滤波(VDF)65

4．3 实时辨识自适应滤波66

4．3．1 协方差匹配法66

4．3．2 自适应状态估计器68

4．3．4 机动目标"当前"统计模型的均值与方差自适应跟踪算法70

4．3．3 二级卡尔曼滤波算法72

4．4 "全面"自适应滤波72

4．4．1 检测"全面"自适应滤波72

4．4．3 交互多模型算法73

4．4．2 加权和"全面“自适应滤波73

4．5 比较与总结74

参考文献75

第五章 跟踪坐标系与滤波状态变量的选择78

5．1 引言78

5．2 常用坐标系与坐标变换关系78

5．2．1 常用坐标系78

5．2．2 坐标变换关系80

5．3 直角坐标系中的踊跃问题83

5．4 NED 坐标系84

5．5．1 瞄准误差为零时的目标运动方程86

5．5 球面坐标系86

5．5．2 瞄准误差非零时的目标运动方程89

5．5．3 存在载机横滚时的目标加速度方程91

5．5．4 目标状态方程和量测方程93

5．5．5 目标状态方程的解耦模95

5．5．6 关于采用耦合模型和解耦模型的几点结论98

5．6 混合坐标系98

5．6．1 采用混合坐标系的基本思想与程序框图99

5．6．2 混合坐标系中的跟踪滤波的方程99

5．7．1 跟踪坐标系选择的一般方法101

5．7 关于跟踪坐标系与滤波状态变量选择的几点附注101

5．7．3 动态误 差与稳态偏差之间的平衡102

5．7．2 状态耦合与解耦102

5．7．4 坐标系选择与计算负载103

5．8 引入速度量测的作用103

5．9 仅有角度量测的跟踪问题104

5．10 总结105

参考文献105

6．1 引言109

6．2．1 等权平均量测预处理109

第六章 量测预处理技术109

6．2．2 变权平均量测预处理111

6．2．3 引入数据压缩技术后的滤波方程112

6．3 量测数据中野值的剔除方法113

6．3．1 野值的定义113

6．3．2 野值的自动剔除方法114

6．3．3 野值判别能力分析114

6．4 实例分析116

6．4．1 滤波速率与跟踪误差及滤波收敛时间之间的关系116

6．4．2 引入量测预处理技术后的跟踪效果117

参考文献118

6．5 总结118

第七章 系统分析方法与 Monte Carlo 仿真设计119

7．1 引言119

7．2 系统分析方法120

7．2．1 多项式分析120

7．2．2 Riccati 方法121

7．2．3 Cramer-Rao 下界方法123

7．3 Monte Carlo 仿真设计124

7．3．1 Monte Carlo 仿真方法的基本思想及其特点124

7．3．2 随机数的产生方法125

7．3．3 仿真设计与结果解释127

7．3．4 一些常用的统计指标129

7．4 关于跟踪滤波器的稳态分析130

7．5 总结131

参考文献132

第八章 机动目标“当前”统计模型与自适应跟踪算法134

8．1 引言134

8．2 机动目标的“当前”概率密度模型135

8．2．1 机动加速度的“当前”概率密度135

8．2．2 机动加速度的非零均值时间相关模型137

8．3．1 离散状态方程138

8．3 自适应滤波算法138

8．3．2 自适应卡尔曼滤波算法140

8．3．3 关于自适应算法的附注143

8．4 计算机仿真145

8．5 结论153

参考文献153

第九章 自适应跟踪滤波器的精度分析155

9．1 引言155

9．2 滤波误差与 Singer 方法的缺陷155

9．2．1 卡尔曼滤波误差155

9．2．2 Singer 方法的缺陷157

9．2．3 机动目标“当前统计模型及自适就算法的动态误差159

9．3 滤波参数对跟踪精度的因素160

9．3．1 影响跟踪精度的因素160

9．3．2 机动频率对跟踪精度的影响161

9．3．3 采样周期对跟踪精度的影响163

9．3．4 加速度方差对跟踪精度的影响163

9．4 通过增加观测矩阵的秩提高跟踪精度166

9．5 结论176

参考文献176

第十章 三维窨中机动目标的估计问题177

10．1 引言177

10．2．1 三维空间中的目标运动描述178

10．2 三维空间中的机动目标模型178

10．2．2 机动加速度统计模型179

10．2．3 非零均值时间相关模型181

10．2．4 机动目标的状态方程182

10．3 状态模型的线性化与离散化183

10．3．1 状态模型的线性化183

10．3．2 状态模型的离散化185

10．4 自适应滤波算法187

10．5 计算机仿真191

10．6 结论194

参考文献194

附录10 状态噪声协方差矩阵Q（k）的推导195

下卷多机动目标跟踪（MMTT）200

第十一章 多机动目标跟踪概论200

11．1 引言200

11．2 多机动目标跟踪基本原理201

11．3．1 跟踪门的形成203

11．3 多机动目标跟踪基本要素203

11．3．2 数据关联与跟踪维持204

11．3．3 跟踪起始与跟踪终结205

11．3．4 漏报与虚答206

11．4 数据关联过程的一般考察206

11．4．1 数据关联过程的直观解释206

11．4．2 减小不稳定跟踪和误相关作用的措施207

11．5 背景资料与建议208

参考文献208

12．2 滤波残差及其统计描述210

12．3 矩形跟踪门210

第十二章 跟踪门的形成方法210

12．1 引言210

12．4 椭球跟踪门211

12．5 矩形跟踪门与椭球跟踪门的大小比较213

12．6 其他跟踪门215

12．7 总结217

参考文献217

13．2．1 “最近邻”方法219

13．2 密集多回波环境下跟踪单个目标的数据关联与跟踪维持理论219

第十三章 多目标数据关联与跟踪维持理论219

13．1 引言219

13．2．2 概率数据关联滤波（PDAF）220

13．2．3 “全邻“最优滤波器221

13．3 密集多回波环境下跟踪多个目标的数据关联与跟踪维持理论223

13．3．1 联合概率数据关联滤波（JPDAF）223

13．3．2 多假设法226

13．3．3 整数规划法227

13．3．4 高斯和法229

13．3．5 轨迹分裂法231

13．4 多目标数据关联与跟踪维护的其他方面232

13．5 总结233

参考文献233

第十四章 多目标跟踪起始跟踪终结理论237

14．1 引言237

14．2 多目标跟踪起始理论237

14．2．1 序列概率比检验（SPRT）237

14．2．2 Bayes轨迹确定方法（BTC）239

14．2．3 N维分配法241

14．2．4 极大似然法242

14．2．5 模式匹配技术243

14．3 多目标跟踪终结理论244

14．3．1 序列概率比检验（SPRT）244

14．3．2 跟踪门方法245

14．3．3 代价函数法246

14．3．4 Bayes 跟踪终结方法（BTT）247

14．4 其他跟踪起始与跟踪终结方法248

14．5 总结249

参考文献250

第十五章 多机动目标跟踪问题中关联区域的研究253

15．1 引言253

15．2 新息向量范数的统计性质254

15．2．1 新息向量的范数与跟踪门规则254

15．2．2 范数g（k）的概率密度255

15．2．3 范数g（k）的均值与方差257

主要符号表258

15．3 关联区域的大小与接收正确回波的概率261

15．3．1 接收正确回波的概率261

15．3．2 给定接收正确回波的概率Pa时关联区域的大小262

15．3．3 给定关联区域大小时接收正确回波的概率Pa263

15．4 结论265

参考文献265

第十六章 密集多回波环境下的单机动目标跟踪267

16．1 引言267

16．2 概率数据关联滤波（PDAF）268

16．3 修正概率数据关联滤波（MPDAF）270

16．4 计算机仿真272

参考文献277

16．4 结论277

附录16 多余回波的产生方法278

第十七 章密集多回波环境下的多机动目标数据关联与跟踪维持279

17．1 引言279

17．2 聚矩阵与聚概率矩阵280

17．2．1 聚矩阵的构成280

17．2．2 单一事件与联合事件的概率281

17．2．3 聚概率矩阵284

17．3 聚概率矩阵的性质与计算285

17．3．1 聚矩阵中隐含的信息285

17．3．2 含有候选回波的最小交集的确定286

17．3．3 位于目标关联区域交集内的候选回波来自多余回波与目标的概率288

17．3．4 概率λ11的计算290

17．4 MMTT 算法（MJPDAF）292

17．5 计算机仿真294

17．6 结论300

参考文献301

18．1 引言302

第十八章 密集多回波环境下的多机动目标数据关联与跟踪维持（二）302

18．2 跟踪门的残差度量规则303

18．3 关于 MJPDAF 算法中观测模型的假设约定303

18．4 残差滤波基本议程与 MJPDAF-RF算法305

18．5 残差滤波与数据关联的内在机再分析306

18．5．1 理论分析306

18．5．2 Monte carlo 仿真分析306

18．6 MJPDAF 与 MJPDAF-RF 两种算法的性能比较309

18．6．1 性能比较之一309

18．6．2 性能比较之二309

18．7 结论320

参考文献320

第十九章 密集多回波环境下的多机动目标跟踪起始321

19．1 引言321

19．2 主跟踪子空间与边缘跟踪子空间322

19．2．1 主跟踪子空间与边缘跟踪子空间的定义322

19．2．2 主跟踪子空间与边缘跟踪子空间的性质323

19．3 Bayes 轨迹确定方法（BTC）323

19．4．1 假定轨迹初始化及其对滤波性能的影响324

19．4 “全邻” Bayes 跟踪起始算法324

19．4．2对BTC方法的改进——“全邻” Bayes 轨迹确定方法325

19．5 Monte Carlo 仿真分析327

19．5．1 给定参数下 ABTI 算法的性能分析327

19．5．2 参数变化对 ABTI 算法性能的影响329

19．5．3 残差滤波RF 对 ABTI 算法性能的影响331

19．6 结论332

参考文献333

第二十章 密集多回波环境下的多机动目标跟踪终结334

20．1 引言334

20．2 Bayes 跟踪弹簧结方法（BTT）335

20．3 “全邻Bayes 跟踪终结算法（ABTT）335

20．4 Monte Carlo 仿真分析337

20．4．1 给定参数下 ABTT 算法的性能分析337

20．4．2 参数变化对跟踪终结性能的影响340

20．4．3 残差滤波 RF 对跟踪终结性能的影响341

参考文献343

20．5 结论343

第二十一章 多机动目标跟踪系统的一致性分析方法344

21．1 引言344

21．2 一致性分析准则344

21．3 状态误差的一致性分析345

21．4 残差过程的一致性分析346

21．5 残差过程的白色度检验347

21．6 总结348

参考文献348

22．2．1 机动目标“当前”统计模型及自适应算法349

第二十二章 回顾、建议与展望349

22．2 研究成果回顾349

22．1 引言349

22．2．3 密集多回波环境下的单机动目标跟踪350

22．2．4 多机动目标数据关联与跟踪维持350

22．2．2 机动目标关联区域的设计350

22．2．5 多机动目标跟踪起始与跟踪终结351

22．2．6 漏报与虚答351

22．2．7 多机动目标跟踪系统软件包351

22．3．2 关于减少动态带后误差352

22．3．1 关于检测概率的影响352

22．3 问题与建议352

22．3．4 机动目标跟踪系统的灵敏度与鲁棒性分析353

22．3．3 信号处理与数据处理的联合最优化问题353

22．4 研究方向展望354

22．4．1 机动目标群跟踪354

22．4．2 多站多机动目标跟踪354

22．4．3 智能开封多机动目标跟踪系统355

22．4．4 人工神经网络理论在多机动目标跟踪中的应用355

22．4．5 机动目标跟踪系统的工程实现355

参考文献356