固定单站被动目标跟踪算法性能分析

被动目标跟踪滤波算法是无源定位的关键技术之一。分析了扩展卡尔曼滤波及其衍生算法和无迹卡尔曼滤波算法的性能,并将这些算法应用于利用空频域信息的定位方法中。计算机仿真验证了这些算法的性能。     

一种单机对固定目标的无源定位方法

首先分析了对固定辐射源进行定位的2种模型:利用测角信息对固定辐射源的单站无源定位;利用角度及其变化率信息对固定辐射源的单站无源定位。分别对这2种定位方法进行分析,并通过推广卡尔曼滤波(EKF)算法对上述定位算法进行比较,加入角度变化率不但可以对目标瞬时定位,而且可以实现比只测向定位更高的定位精度。     

单站无源定位原理浅析

探讨了一种基于目标频域和空域参数测量信息，利用固定单站对机动目标进行无源定位与跟踪的算法，并详细分析了定位原理。在建立目标机动模型与测量方程的基础上，运用修正增益的扩展卡尔曼滤波（MGEKF）算法，实现对机动目标进行定位与跟踪。     

基于改进迭代扩展卡尔曼滤波的3星时频差测向融合动目标跟踪方法

针对传统3星时频差定位系统在未知高程情况下,对运动辐射源会产生由目标速度引发的定位误差的问题,该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF),结合3星时差、频差信息的无源融合动目标跟踪新方法。首先,在坐标系转换的基础上建立了定位模型,并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪。仿真结果表明,该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速,且对目标的位置、速度估计性能有较大的提高。     

基于改进迭代扩展卡尔曼滤波的3星时频差测向融合动目标跟踪方法

针对传统3星时频差定位系统在未知高程情况下,对运动辐射源会产生由目标速度引发的定位误差的问题,该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF),结合3星时差、频差信息的无源融合动目标跟踪新方法.首先,在坐标系转换的基础上建立了定位模型,并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪.仿真结果表明,该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速,且对目标的位置、速度估计性能有较大的提高.     

利用空频域信息的固定单站无源定位跟踪算法

针对固定单站无源定位必须实现快速和稳定定位跟踪的要求,在传统定位方法基础上引入角度变化率和多普勒频率变化率信息;在此基础上提出了一种基于空频域信息的不敏卡尔曼滤波(UKF)算法并结合应用背景对标准UKF算法作了改进,详细分析了其定位性能并与扩展卡尔曼滤波(EKF)算法进行比较;仿真结果表明UKF算法的定位性能要明显优于EKF算法,具有更快的收敛速度和更高的收敛精度;增加高精度的角度变化率和多普勒频率变化率信息能够显著改善定位性能。     

基于IEKF的目标、外辐射源联合跟踪滤波

在外辐射源雷达中,当外辐射源的位置信息未知时,无法利用外辐射源对目标跟踪定位。文中介绍了一种基于迭代扩展卡尔曼滤波(IEKF)的目标、外辐射源联合跟踪滤波算法,该算法通过对已知外辐射源和未知外辐射源的联合利用,保证了雷达系统在探测目标的同时,也可定位跟踪未知外辐射源。通过仿真数据验证,该方法对目标、外辐射源的跟踪定位有较好的滤波效果,辐射源定位收敛速度优于EKF滤波方法。     

估计目标速度矢量对运动辐射源的 固定单站无源定位算法

针对无源定位必须实现快速和稳定定位跟踪的要求,本文提出了一种测量目标辐射源脉冲到达时间(TOA)、到达方向(DOA),以及方位角变化率,实现固定单站对三维运动辐射源的无源定位算法.该算法基于运动学原理,充分利用了辐射源信号测量值的时空变化量信息,定位收敛速度快而且非常稳定,具有很强的实用性.文章最后给出了计算机仿真结果.     

一种基于EPF滤波的三维单站无源定位算法研究

利用频率变化率、方位角及俯仰角信息,提出一种对固定辐射源的三维单站无源定位算法。该方法通过质点运动学原理,得出目标辐射源的位置,之后采用EPF滤波算法进行处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置。EPF（ExtendedParticleFilter）滤波是将EKF（ExtendedKalmanFilter）算法作为重要性函数的一种粒子滤波方法。仿真结果表明,基于EPF滤波的单站无源定位算法比传统的EKF滤波算法收敛更快、更稳定,滤波效果更好,定位精度更高,这对无源定位跟踪算法精度的提高和实际应用有很大的意义。     

基于外辐射源的单站无源定位改进算法

针对外辐射源无源定位系统实现快速和高精度定位的要求,提出了一种在测量到达角及时差信息的基础上,增加方位角变化率信息的单站无源定位算法。同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。计算机仿真结果也表明了此定位方法具有较好的定位跟踪精度和速度。     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

基于空频域信息的改进UKF算法研究

固定单站无源定位系统面临着可观测性弱、初始误差大的问题,为了实现稳定高精度定位,在定位模型中引入角度变化率和多普勒频率变化率信息,并在此基础上提出了一种基于空频域信息的改进不敏卡尔曼滤波(UKF)算法.该算法利用两次观测时刻之间的间隔,根据当前时刻定位结果,通过后向平滑算法平滑估计前一时刻状态向量和协方差矩阵的估计值,...     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

扩展卡尔曼滤波在无源定位中的应用研究

阐述了卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)的原理和方法,建立了无源定位系统的状态模型和观测模型,推导了将非线性观测模型线性化,并利用EKF进行递推滤波估计的步骤和公式。通过计算机仿真,验证了运用EKF算法解决基于方位角及其变化率测量信息的无源定位方法,结果表明,运用EKF滤波算法,可以实现单观测站对运动目标的无源定位,初始状态估计误差对定位收敛的性能有较大影响。     

观测站有位置误差的多维标度时频差定位算法

定位精度对观测站位置误差很敏感。论文针对观测站位置和速度有误差的情况,提出了一种加权多维标度时频差定位算法。该算法利用了多维标度定位通过特征结构和维度信息抑制噪声的优势,它将定位残差表示成测量误差和观测站位置误差的线性形式,然后通过加权最小二乘给出了目标位置和速度估计的闭式解。仿真结果表明,在小的测量误差和观测站位置误差时,该算法对目标位置和速度的估计能够达到克拉美劳下界。与两步加权最小二乘和约束总体最小二乘算法相比,该算法在测量噪声和观测站位置误差较大时有更高的定位精度。      

基于视在加速度与角速度信息的单站无源 定位原理与目标跟踪算法研究

本文提出了一种基于视在加速度与角速度信息的单站无源定位方法,分析了其定位原理和利用该方法对静止或匀速运动辐射源的即时定位.同时提出了一种适合于这一定位方法的目标跟踪算法——测量空间卡尔曼滤波(MSKF)算法.对即时定位精度与MSKF跟踪算法进行了计算机仿真实验,最后,将该定位方法和MSKF算法应用于某次无源定位外场试验中,结果表明了该定位方法的有效性.     

基于相位变化率的单站EKF无源定位算法研究

传统的无源定位方法主要是利用到达方位角（DOA）信息对雷达等辐射源进行测向交叉定位，但由于该方法对测角精度的敏感性，仅利用DOA信息会导致定位精度低，算法收敛时间长等不良后果。本文探讨了一种融入相位变化率（PRC）信息的推广卡尔曼滤波（EKF）算法，通过仿真，分析了DOA与PRC单独测量与联合测量对定位精度的影响，同时，将融入PRC信息的EKF定位算法与只测角定位算法进行了比较。