机动目标

摘要： 考虑导引头量测故障下拦截机动目标的末制导问题,以提高制导系统的鲁棒性、降低制导增益、减小系统残差、避免视线角速率剧烈振荡/发散为目的,基于增量式控制方法设计了一种具有鲁棒增强特性的三维末制导律。首先,将末制导问题转化为零化视线角速率的控制问题。其次,通过弹目相对距离及视线角速率定义辅助变量,给出传统的滑模制导律作为设计参考。然后,基于增量式非线性动态逆滑模控制方法,充分挖掘视线角加速度估计信息及上一采样时刻的制导指令,得到增量式三维鲁棒制导律。最后,在目标机动及导引头量测故障下,分析并比较了两种制导律所产生的系统残差。理论分析及多工况仿真结果表明,增量式制导律不仅对目标机动及大范围失效的导引头量测故障具有强鲁棒性,而且所需制导增益也较小,同时避免了末端视线角速率严重发散的问题。

摘要： 为了提高突防导弹末段突防能力,且保证突防导弹对机动目标的打击精度,提出了一种新型突防制导律。首先,基于自适应干扰观测器估计目标加速度,所设计的观测器不仅可以在有限时间内估计出目标加速度,且无需已知目标加速度上界信息;其次,由制导误差与法向突防机动速度构造滑模面,通过机动衰减设计保证制导精度不受所附加突防机动的影响;再次,基于估计目标加速度以及突防机动连续化设计构建了制导律,该制导律不仅可保证制导误差有限时间收敛,而且连续变化;最后,考虑机动目标、拦截器和突防弹三方完成攻防对抗仿真,仿真结果证明,所设计制导律可实现高精度及强突防的制导性能。

摘要： 针对大气层内高速机动目标的拦截问题,提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律,它直接将交战状态信息映射为拦截弹的指令加速度,是一种端到端、无模型的制导策略。首先,将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程,之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构,并引入奖励函数整形和状态随机初始化,构建了完整的深度强化学习制导算法。仿真结果表明:与比例导引和增强比例导引两种方案相比,深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求;具有良好的鲁棒性和泛化能力,并且计算负担较小,具备在弹载计算机上运行的条件。

摘要： 针对被动自导的超空泡航行体拦截近距离机动舰船目标问题,利用视线角变化率这一易获取信息,设计了一种有限时间收敛滑模末制导律。对制导律参数取值范围进行了分析,结合跟踪微分器对目标法向机动进行了状态重构。针对典型对抗态势进行了仿真与分析,结果表明该制导律可以在目标机动信息较少的情况下获得较好的攻击效果,目标加速度估计误差较小且快速收敛。

摘要： 针对双基地逆合成孔径雷达稀疏孔径条件下对机动目标成像会发生散焦的问题,通过建立包含旋转角加速度与旋转初速度的比值γ和双基地时变角度的符合目标回波特性的稀疏基,结合CoSaMP算法对稀疏孔径信号进行机动目标的求解成像,仿真验证了算法的有效性。

摘要： 为实现多枚导弹协同拦截机动目标,提升拦截效能,提出了一种Q-learning强化学习协同拦截制导律。首先,基于逃逸域覆盖理论,建立了非线性多弹协同拦截模型。其次,以视线角速率为状态,依据脱靶量构造奖励函数,通过离线训练生成强化学习智能体,并结合传统比例制导控制方法,构建基于强化学习的变导引系数制导律,实时生成实现协同拦截的制导指令。最终,通过数值仿真验证了所提算法的有效性和优越性。

摘要： 机动目标航迹分段识别是判断目标行为意图的基础,然而现有航迹分段算法对模式变化检测能力弱,难以满足机动目标航迹快速精细化分段的需求.提出双层精细化航迹分段框架,预分段层检测目标运动过程中的模式切换,确定模式变化明显的预分段区,得到目标模式变化明显区域的预分段点;再分段层对模型差异小的非预分段区航迹进行回溯迭代优化再分段,得到更为精细的分段点.该框架具有从粗到精的航迹分段处理能力,实现了对于机动目标航迹的精细化分段识别.选取两个典型的目标机动仿真场景验证了所提算法的有效性,不仅减少了迭代优化时间,而且提高了分段识别精度.

摘要： 针对高超声速目标拦截问题,提出了拦截器的末段交战窗口(TEW)快速生成方法,该窗口表征了所有可行的末段交战阵位.首先,针对高超声速非机动目标建立了解析形式的拦截条件.在此基础上,针对非机动目标和机动目标,依次推导了TEW边界的解析方程.同时,根据拦截器的最小和最大初始航向角,定义并计算了TEW内所有位置的可控裕度.最后,通过对高超声速目标TEW仿真,验证了所提出方法的有效性,并分析了TEW边界和可控裕度的影响因素.与传统数值方法相比,本文解析方法生成的TEW边界一致,但计算耗时大幅减小,具有在线使用的潜力.此外,仿真结果也表明,当目标信息存在测量误差时,所提出的TEW生成方法依然有效.

摘要： 针对飞行器机动过程中轨迹测量误差问题,建立机动目标运动状态模型集,使用交互多模型(IMM)算法解决了单一模型对运动状态描述不全面而导致滤波精度低的问题;在无迹卡尔曼滤波(UFK)中引入自适应因子,实时调整过程噪声协方差矩阵,解决了观测误差先验不准确的问题;在IMM算法中,增加了基于压缩率的自适应概率转换因子,提高了IMM算法的收敛速率,最终形成了一种新的AIMM-AUKF轨迹测量滤波算法,实现了对随机机动目标轨迹的高精度测量,并通过仿真验证了所提算法的有效性。

摘要： 提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势。相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景。

摘要： 本文针对机动目标的搜索航线离线优化问题进行了研究.对搜索问题进行了环境模型、航线模型和目标函数的建立,引入模型预测控制(MPC)框架建立滚动优化模型,采用粒子群优化算法(PSO)实现每一次的优化决策.将优化模型用于战斗机搜索场景中,得到最优搜索航线,并将打靶结果与传统搜索方案进行对比.仿真结果表明,该模型对于不同目标及机动规律有着较好的适应性,优化航线对于机动目标有着较强的搜索能力.

摘要： 针对成像卫星观测搜索区域机动目标的任务规划问题,提出了一种通过卫星之间条带重叠拼接的多星协同观测区域机动目标的方法.建立了成像卫星侧摆角度计算模型及观测条带顶点坐标计算模型,并提出针对区域机动目标搜索监视的规划模型.通过卫星每次过境观测时调整侧摆角度对待观测目标进行任务分解观测.仿真结果表明,成像卫星协同条带重叠拼接方法是一种有效的机动目标侦察监视方法,对区域机动目标搜索有一定的实际应用意义.

摘要： 多机ESM系统通过被动探测目标辐射获取角度信息,以实现对目标的定位.本文针对无源纯角度跟踪中目标机动的问题,基于交互式多模型(IMM),提出一种基于最小二乘法和无迹卡尔曼滤波(UKF)的多站纯角度机动目标跟踪方法.该算法使用最小二乘法对目标位置进行估计,将其作为UKF滤波算法的观测信息,结合IMM,最终实现了对机动目标的被动跟踪.通过计算机仿真验证了本文方法的有效性,且比转换测量卡尔曼(CMKF)滤波器有着更好的收敛速度和跟踪精度.

摘要： 在实际应用中,由于高频地波雷达的测向精度较低,造成目标跟踪产生偏差.双站式无角度观测的高频地波雷达系统很好的解决了这一问题.然而,在这一体制下,仍然存在提高机动目标跟踪精度的需求.本文提出一种基于交互式多模型(IMM)的方法,该算法通过建立不同的运动模型来反映目标不同的运动状况,并以此来估计目标的真实运动状态.仿真结果表明,与传统的单模算法相比,IMM算法在船只目标发生机动时表现出较好的跟踪性能.

摘要： 机动目标跟踪是目标跟踪领域研究的一个重要内容,提供高精度的目标信息是机动目标跟踪的主要任务.传统的机动目标跟踪算法大多应用于单雷达机动目标跟踪问题,无法实现多雷达间信息的传递、融合,信息的利用率较低,跟踪效果欠佳.同时,传统的多雷达航迹融合技术通常处于整个信息处理环节的末端,融合效果受限.为此,提出了一种基于IMM的双雷达模型融合机动目标跟踪算法,在传统算法的基础上引入了信息反馈融合,将融合步骤前移至模型层面,实现了将多模型机动目标跟踪方法从单雷达系统向分布式多雷达组网系统的推广.仿真实验验证了该算法的有效性.

摘要： 针对混合网格变结构多模型算法中用于描述目标运动模式的加速度估计不准确引起跟踪精度下降的问题,本文提出了一种基于改进的"当前"统计模型(Current Statistics,CS)的混合网格多模型算法(Hybrid Grid Multiple Model,HGMM).该算法以基于"当前"统计模型估计得到的加速度均值为依据进行网格划分,在线生成目标可能的模型集合,采用交互式多模型算法进行目标跟踪,并引入渐消因子对增益矩阵进行调节,提高算法在加速度突变情况下的跟踪精度.在一般机动及强机动场景下进行了算法性能测试分析,仿真结果表明,该算法提高了对机动目标的跟踪精度.

摘要： 复杂背景下的高速、微弱、动目标检测一直以来是空间目标、弹道目标的预警和探测以及外辐射源雷达信号处理的难题.该文利用机动目标的高阶运动信息,如加速度和急动度,提出两种机动目标长时间相参积累检测方法,即Radon-分数阶傅里叶变换(RFRFT)和Radon分数阶模糊函数(RFRAF),能够同时补偿长时间积累过程中的距离和多普勒徙动,有效抑制背景杂波和噪声,提高积累增益.实测雷达数据验证结果表明,相参积累效果优于经典动目标检测(MTD),具有在强杂波中检测微弱机动目标的能力.

摘要： 针对机动目标的运动特性,将加速度分解为法向切向对目标运动建模.相比传统建模方式,这种运动模型更加符合变结构多模型对于模型集的设计要求.本文结合切向法向加速度模型,基于自适应网格法设计了模型切换方法,并最后给出了变结构多模型的跟踪算法.经过仿真验证,本文算法比常用的交互式多模型精度有所提高,并且在目标做大机动时,优于基于动态有向图的变结构多模型跟踪方法,具有一定的设计参考价值.

摘要： 实际应用中存在许多满足等式约束条件的动态系统,例如道路上行驶的车辆等.引入先验的状态约束条件能够有效提高跟踪精度.而目前常用的几种经典约束估计方法无法很好的贴近物理实际,因此有必要促进约束坐标卡尔曼滤波算法(CCKF)的应用.CCKF方法采用一维状态变量建立运动模型并合理利用约束条件,因而更加贴近物理实际.首先将其与经典约束估计算法进行比较来得到客观的性能评价.仿真实验结果证明其性能更优.然后为体现CCKF在复杂运动建模和状态估计方面的优势,提出交互式多模型约束卡尔曼滤波算法(IMM-CCKF).仿真实验结果证明了该方法的有效性.

摘要： 目前,解决机动目标跟踪问题的主流方法是多模型算法,增加期望模型算法(EMA)是一种典型的变结构多模型算法(VSMM).但由于EMA算法是实时求取期望模型来增扩基础模型集,因此EMA算法从原理上来说只能应用在模型结构和物理意义相同的情况下.文章基于模型相加方法,提出一种模糊模型,并给出相应的模型集设计方案.把EMA算法应用推广到CV模型和CA模型组成的模型集中.在典型想定场景下进行算法仿真,比较IMM算法和EMA算法的滤波效果.仿真结果表明,基于模糊模型的EMA算法滤波效果比IMM算法滤波效果更好.

摘要： 本发明涉及一种借助于导航目标设定设备(28)来运行机动车(10)的驾驶员辅助装置(12)的方法。由控制装置(14)执行以下操作：接收描述在能够行驶的行驶路面上的投射的目标设定信号(S8)；将所能够行驶的行驶路面的、被投射的光照射的那部分确定为行驶目标区域(S11)；根据所接收的目标设定信号确定机动车(10)相对于行驶目标区域的相对位置(S12)。还有从导航目标设定设备(28)的方位检测装置(36)接收方位信号的步骤，该方位信号描述导航目标设定设备(28)朝向行驶目标区域的空间的目标设定方位(S5)，基于该目标设定方位确定导航目标(S6)。根据所确定的相对位置和所确定的导航目标，确定到导航目标的运动路径(S17)；生成导航信号，该信号描述沿所确定的运动路径对机动车(10)的控制(S18)；以及将所生成的导航信号传输至机动车(10)的驾驶员辅助装置(12)(S19)。

摘要： 本发明涉及用于警报信号输出的方法，其借助于机动车辆(1)的驾驶员协助系统(2)警示机动车辆(1)的驾驶员关于车外目标物体(12)在警报区域(13)中的存在，该警报区域(13)关于机动车辆(1)规定，其中雷达传感器(5、6)用于在雷达传感器(5、6)的连续测量周期的每一个中将电磁雷达信号输入雷达传感器(5、6)的感应区域(9、10)中且接收外来信号，基于外来信号，借助于雷达传感器(5、6)在测量周期上在检测区域(9、10)中检测并跟踪目标物体(12)，并且，如果目标物体(12)进入规定的警报区域(13)，则借助于输出装置(3)输出警报信号。在目标物体(12)进入警报区域(13)后，只要雷达传感器(5、6)在规定近距范围(18)内在雷达传感器的感应区域(9、10)中检测到目标物体(12)或另一个目标物体(12)，则保持警报信号的输出。

摘要： 本发明涉及一种借助于导航目标设定设备(28)来运行机动车(10)的驾驶员辅助装置(12)的方法。由控制装置(14)执行以下操作：接收描述在能够行驶的行驶路面上的投射的目标设定信号(S8)；将所能够行驶的行驶路面的、被投射的光照射的那部分确定为行驶目标区域(S11)；根据所接收的目标设定信号确定机动车(10)相对于行驶目标区域的相对位置(S12)。还有从导航目标设定设备(28)的方位检测装置(36)接收方位信号的步骤，该方位信号描述导航目标设定设备(28)朝向行驶目标区域的空间的目标设定方位(S5)，基于该目标设定方位确定导航目标(S6)。根据所确定的相对位置和所确定的导航目标，确定到导航目标的运动路径(S17)；生成导航信号，该信号描述沿所确定的运动路径对机动车(10)的控制(S18)；以及将所生成的导航信号传输至机动车(10)的驾驶员辅助装置(12)(S19)。

摘要： 本发明涉及一种用于基于由至少两个车辆侧相机(5a、5b、5c、5d)捕获的至少部分重叠的原始图像(RC1、RC2、RC3、RC4)来生成具有示出机动车辆(1)和机动车辆(1)的环境区域(4)的预定义目标视图的输出图像的方法，包括以下步骤：‑指定相应的相机特定的像素密度图(PDM1a、PDM1b、PDM2a、PDM2b)，其中每个描述了由有助于生成输出图像的关联相机(5a至5d)捕获的原始图像(R1至R4)的多个像素的图像区域相关的分布，‑基于表示图像区域相关的滤波程度的特定于关联相机(5a至5d)的像素密度图(PDM1a至PDM2b)对原始图像(RC1至RC4)进行空间自适应滤波，‑在所述至少两个相机(5a至5d)的所述至少部分重叠的原始图像(RC1至RC4)中识别相互对应的图像区域(B1a、B1b、B2a、B2b、B3a、B3b、B4a、B4b)，‑基于特定于相应其他相机(5a至5d)的像素密度图(PDM1a至PDM2b)对一个相机(5a至5d)的原始图像(RC1至RC4)的图像区域(B1a至B4b)进行空间自适应滤波，以减小对应的图像区域(B1a至B4b)之间的清晰度差异，‑将滤波后的原始图像(RC1至RC4)重新映射到与目标视图对应的图像表面，以生成重新映射的滤波后的原始图像(R1、R2、R3、R4)，‑通过组合重新映射的滤波后的原始图像(R1至R4)来生成输出图像。此外，本发明还涉及相机系统(3)和机动车辆(1)。

摘要： 本发明涉及一种用于通过机动车辆(1)的相机系统(2)跟踪接近机动车辆(1)的目标车辆(9)的方法。通过所述相机系统(2)的至少一个相机(3)提供所述机动车辆(1)的环境区域的图像(10)的时间序列。基于所述目标车辆(9)的前部(11)或后部的特征而通过所述相机系统(5)的图像处理设备(5)在所述序列的图像(10)中检测所述目标车辆(9)，并且然后基于所检测的特征而遍及所述序列的随后图像(10)跟踪所述目标车辆(9)。其中，由所述图像处理设备(5)在所述序列中的所述随后图像(10)之一中至少检测所述目标车辆(9)的侧向侧翼(14)的预定特征，并且在检测所述侧向侧翼(14)的所述特征之后，基于所述侧向侧翼(14)的所述特征而遍及所述序列中的其它图像(10)跟踪所述目标车辆(9)。

摘要： 本发明涉及一种用于目标引导至目标人员的方法，其中接送者被引导到目标人员（12），其中接送者和目标人员（12）装备有电子设备（200、122），所述电子设备能够相互通信。在此，在所述目标人员（12）的电子设备（122）侧发送接送请求，所述接送请求要么直接被传输给接送者，要么间接地经由接送服务的中央服务器被转发给接送者。由所述接送者的电子设备（200）计算出到所述目标人员（12）的接送地点的导航路线。由所述接送者的电子设备（200）在接近所述接送地点时将请求发送到所述目标人员（12）的电子设备（122），利用所述请求来请求所述目标人员（12）执行手势。在所述目标人员（12）的电子设备（122）侧检测在执行所述手势时的运动数据，并且将所述运动数据传输给所述接送者的电子设备（200）。由所述接送者的电子设备（200）按照与手势的执行对应的典型运动模式评估至少一个周围环境观测传感器（150）的数据。在此，在多次检测到该手势的典型运动模式的情况下，将各个手势检测与被传输的运动数据进行比较，并且将具有与被传输的运动模式的最小偏差的那个手势检测分配给所述目标人员（12）。

摘要： 本发明的一个方面涉及一种辅助系统，用于在将机动车定位在预先给定的目标位置上时辅助机动车驾驶员。所述目标位置优选是用于给机动车无线地、尤其是感应地充电的充电位置。为了定位机动车，车辆的纵向运动能通过一个或多个能由驾驶员操纵的操纵元件(例如加速踏板、制动踏板)手动控制。该辅助系统在定位时辅助手动纵向运动。为此，该辅助系统设计用于，在定位期间重复地确定关于车辆与目标位置的相对位置的位置信息。该辅助系统设计用于影响手动纵向运动。通过影响手动纵向运动，从辅助系统方面至少对于某些相对位置根据相应的位置信息反作用于车辆纵向运动，以便使车辆基本上在目标位置处停止。

摘要： 本发明涉及一种利用仅测角估计非合作机动目标机动量的方法，属于航天器导航制导与控制技术领域。首先构建了基于该绝对轨道信息构建虚拟坐标系，作为分析非合作目标相对运动的新基准；然后在此基准上重新描述非合作目标交会过程和视线测量信息，建立非合作目标相对运动状态；最后构建目标机动脉冲、追踪星机动脉冲以及视线信息之间的关联模型，实现利用有限次视线信息对非合作目标机动脉冲的直接求解。该方法仅需最少5次的有限次视线测量，就能够对非合作机动目标的未知机动进性较为精准的估计，不需要观测相机的连续开机观测，由此可以大幅减少相机的开机时间，降低了相机的工作难度；解决了非合作目标导航当中的目标未知机动估计的问题。

摘要： 本发明属于航空航天数据解耦处理技术领域，具体地说，涉及一种低轨道持续机动目标大气阻力与机动力解耦方法及其装置，包括：步骤1)选取某低轨道持续机动目标，获取不同空间环境下的连续轨道跟踪监测数据；步骤2)将每个空间环境下的连续轨道跟踪数据等分为n段，获得n段数据；步骤3)构建该机动目标的轨道动力学模型；步骤4)对等分的每一段数据，扣除外界因素，仅保留机动力和大气阻尼力因素，得到每一段数据的轨道半长轴变化量和升交角距变化量；步骤5)构建轨道半长轴优化目标函数和升交角距优化目标函数；采用最优估计方法，得到每一段数据的机动力在沿轨道方向分量和机动力在径向分量；并分别进行整合。

摘要： 临近空间高速机动目标机动突变的跟踪算法，属于临近空间高速机动目标跟踪技术领域，本发明为解决现有技术对目标运动的跟踪算法不合理的问题。本发明所述跟踪算法的具体过程为：建立坐标系，并建立坐标转换矩阵；建立临近空间高速机动目标的运动方程；建立临近空间高速机动目标的非线性机动模型；构建IMM跟踪滤波器，实现IMM跟踪滤波器对临近空间高速机动目标的跟踪滤波。本发明用于对目标的运动状态进行估计。