-
公开(公告)号：CN110231620A
公开(公告)日：2019-09-13
申请号：CN201910608489.3
申请日：2019-07-08
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种噪声相关系统跟踪滤波方法，包括：从观测雷达处获取k时刻目标量测数据并建立噪声相关系统的状态空间模型，其中量测数据包括距离量测数据和方位角量测数据；将k时刻距离量测数据和方位角量测数据转换为直角坐标系下目标在x方向和y方向的位置量测数据，计算量测转换中的偏差项以及位置量测协方差矩阵，构建转换后的量测方程，并计算k-1时刻和k时刻目标位置量测噪声的互协方差；在最小均方误差的准则下构建滤波器，利用k-1时刻和k时刻量测噪声的互协方差补偿两个时刻噪声之间的相关性，对转换后的位置量测数据进行滤波处理，更新k时刻目标状态估计和状态估计误差协方差，完成目标跟踪。该方法可用于解决噪声相关问题，跟踪结果好，性能稳定。
-
公开(公告)号：CN108469604B
公开(公告)日：2019-04-09
申请号：CN201810120315.8
申请日：2018-02-07
Applicant: 哈尔滨工业大学
IPC: G01S7/40
Abstract: 本发明涉及一种TWS雷达空时联合数据模拟方法及系统，其中方法包括：临界距离计算步骤、通过迭代法计算目标与雷达的临界距离；距离判断步骤、将目标的径向距离与所述临界距离的大小进行比较；重访时间间隔计算步骤、用于根据距离判断步骤的比较结果计算目标的重访时间间隔和状态向量；其中当目标的径向距离大于临界距离时，将目标作为远距离目标计算目标的重访时间间隔和状态向量；当目标的径向距离小于临界距离时，将目标作为近距离目标计算目标的重访时间间隔和状态向量。本发明提出了能基于当前状态完成空时联合求解的过程，解决了TWS雷达中重访时间间隔不确定的问题，从而为跟踪算法研究和性能评估提供符合实际特征的数据。
-
公开(公告)号：CN108802721B
公开(公告)日：2019-04-05
申请号：CN201810958266.5
申请日：2018-08-22
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种任意直线约束下目标跟踪方法，包括：从观测雷达处获取目标位置量测信息构建量测向量，量测向量包括目标相对观测雷达坐标系原点的距离量测和方位角量测；利用目标过往时刻状态向量对目标当前时刻状态向量进行状态增广，得到增广后的状态向量及其对应的状态方程，增广状态包括k时刻及之前d个连续时刻的状态，d表示增广部分的时间跨度；根据目标运动的直线轨迹形状构造伪量测描述任意直线约束关系，并将伪量测增广到量测向量中，得到增广后的量测方程；采用非线性滤波方法，利用增广后的状态方程和量测方程进行滤波。本发明构造伪量测，利用直线轨迹形状信息提高滤波精度，为任意直线约束下的目标跟踪问题提供了一条新的解决途径。
-
公开(公告)号：CN108871365A
公开(公告)日：2018-11-23
申请号：CN201810739573.4
申请日：2018-07-06
Applicant: 哈尔滨工业大学
IPC: G01C21/34
Abstract: 本发明提供了一种航向约束下的状态估计方法及系统，其中方法包括：在已知航向的条件下，利用约束直线的截距增广状态向量和协方差矩阵，即增广原来的状态方程，并计算初始值；基于位置约束关系和相对应的速度约束关系构建伪量测，并利用该伪量测增广量测方程；基于增广后的状态方程和增广后的量测方程，及状态向量和协方差矩阵的初始值，利用扩展卡尔曼滤波得到目标位置的滤波结果。本发明解决了不完整约束条件下的状态估计问题，充分利用了先验已知的信息，避免了信息的浪费。
-
公开(公告)号：CN108469604A
公开(公告)日：2018-08-31
申请号：CN201810120315.8
申请日：2018-02-07
Applicant: 哈尔滨工业大学
IPC: G01S7/40
CPC classification number: G01S7/4052
Abstract: 本发明涉及一种TWS雷达空时联合数据模拟方法及系统，其中方法包括：临界距离计算步骤、通过迭代法计算目标与雷达的临界距离；距离判断步骤、将目标的径向距离与所述临界距离的大小进行比较；重访时间间隔计算步骤、用于根据距离判断步骤的比较结果计算目标的重访时间间隔和状态向量；其中当目标的径向距离大于临界距离时，将目标作为远距离目标计算目标的重访时间间隔和状态向量；当目标的径向距离小于临界距离时，将目标作为近距离目标计算目标的重访时间间隔和状态向量。本发明提出了能基于当前状态完成空时联合求解的过程，解决了TWS雷达中重访时间间隔不确定的问题，从而为跟踪算法研究和性能评估提供符合实际特征的数据。
-
Patent Agency Ranking
公开(公告)号：CN108279412A
公开(公告)日：2018-07-13
申请号：CN201810090006.0
申请日：2018-01-30
Applicant: 哈尔滨工业大学
IPC: G01S13/72
Abstract: 本发明提供一种目的地约束下目标跟踪装置及方法，包括：中央处理模块；观测雷达模块，其用于在跟踪过程中获得目标位置量测信息；滤波模块，其用于对目标运动状态进行估计，本发明包括不同两种形式，即增广量测形式和序贯处理形式。采用本发明提供的目的地约束下目标跟踪装置及方法能够为约束先验信息不完整情况下的目标跟踪问题提供了新的解决途径，合理利用其运动轨迹中隐含的线性等式约束信息，避免了信息浪费，提高了估计精度。
-
公开(公告)号：CN106054170A
公开(公告)日：2016-10-26
申请号：CN201610339347.8
申请日：2016-05-19
Applicant: 哈尔滨工业大学
IPC: G01S13/72
CPC classification number: G01S13/723
Abstract: 本发明公开了一种约束条件下的机动目标跟踪方法，所述方法包括以下步骤：A、获得机动目标的位置量测信息；B、将所述位置量测信息转换为笛卡尔坐标量测；C、在一维空间建立约束坐标静态模型,即建立机动目标在道路x，y方向上的位置关于里程数s的表达式；D、依据所述机动目标的运动特点设置运动模型,根据所建立的表达式建立状态方程和量测方程；E、分别针对各所述运动模型，对转换得到的笛卡尔坐标量测进行滤波，得到一维变量里程数s及其速度的滤波结果。根据本发明的实施方式，可以提高机动目标跟踪的性能。
-
公开(公告)号：CN105954742A
公开(公告)日：2016-09-21
申请号：CN201610339300.1
申请日：2016-05-19
Applicant: 哈尔滨工业大学
IPC: G01S13/72
CPC classification number: G01S13/723
Abstract: 本发明涉及一种球坐标系下带多普勒观测的雷达目标跟踪方法，该方法包括以下步骤：伪量测构造步骤，通过当前时刻k雷达获得的距离量测rm(k)和多普勒量测的乘积构造伪量测(转换多普勒)；量测转换步骤，将球坐标系量测转换到直角坐标系；无偏一二阶矩计算步骤，计算转换位置量测误差和转换多普勒量测误差的无偏一二阶矩；伪状态空间构造及利用CDMKF提取伪状态信息，通过当前时刻转换多普勒η(k)及其导数构造伪状态空间，并提取伪状态信息；笛卡尔状态信息提取步骤，提取目标的笛卡尔状态信息；以及静态融合步骤，静态融合伪状态信息提取步骤的伪状态信息和笛卡尔状态信息提取步骤所提取的笛卡尔状态信息。
-
公开(公告)号：CN119001701A
公开(公告)日：2024-11-22
申请号：CN202411130480.3
申请日：2024-08-16
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种弹道目标再入段的跟踪预测方法及装置，涉及雷达目标跟踪技术领域，其中方法包括：基于初始状态下连续两个时刻对跟踪目标的量测数据，计算原始状态向量的估计值及估计协方差；利用所述原始状态向量的估计值及估计协方差和跟踪目标已知的目的地位置，确定初始状态下的增广状态向量的估计值及估计协方差；在每一个当前时刻，利用当前时刻的量测数据、上一时刻确定的增广状态向量的估计值及估计协方差以及预先针对弹道目标再入段构建的三维运动模型，确定当前时刻的增广状态向量的估计值及估计协方差，以根据当前时刻的增广状态向量的估计值实现对弹道目标再入段的跟踪。本方案，能够有效提高对弹道目标的跟踪预测精度。
-
公开(公告)号：CN118091643A
公开(公告)日：2024-05-28
申请号：CN202410243879.6
申请日：2024-03-04
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于高斯混合初始化的部分交互多模型跟踪方法及装置，每种机动模式由多个具有相同结构且允许机动参数发生微小变化的机动模型共同进行描述，该多个具有相同结构的机动模型具有一一对应的机动参数分区，每个模型的机动参数由相应机动参数分区的高斯分布进行初始化，在机动参数初始化后，具有相同结构的模型分别独立运行，不同结构的模型之间可以交互以应对可能出现的模式跳变；本方案既能够消除机动模型不匹配的问题，又能够消除机动参数的偏差；另外，采用部分模型交互而非所有模型相互作用的机制，保护了最佳初始化滤波器不受其他错误初始化滤波器的干扰，可以提升机动模式逗留段的估计精度。因此，本发明能够有效提升机动目标的跟踪精度。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.028 seconds)
