基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

基于粒子滤波的蜂窝网移动台单站跟踪

仅使用单个基站测量信息对蜂窝网移动台进行定位跟踪实现简单并具有较高的可定位概率,但面临的挑战是如何提高定位精度。粒子滤波是基于贝叶斯推论的一种蒙特卡洛方法,特别适用于非线性非高斯信号处理。该文提出了基于粒子滤波的单站跟踪算法。仿真结果表明与快拍式定位方法相比,这种滤波算法大大提高了单站定位的精度;与扩展卡尔曼滤波相比,粒子滤波收敛速度快,性能稳健。     

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

非线性非高斯模型的改进粒子滤波算法

针对被动定位跟踪系统非线性强、传统跟踪滤波方法收敛速度慢且容易发散的问题,给出了一种用于纯方位目标跟踪的改进粒子滤波算法。该算法首先用有限的高斯混合模型来近似后验状态密度;其次针对随机噪声对粒子权值准确性的影响,给出了改进的变权平均似然函数。根据χ2检验,对每个粒子权值的更新,采取由多次观测值计算粒子似然函数并对其求变权平均和单一观测值求似然函数相结合的方式进行,既减小随机观测噪声对权值的影响也提高了算法实时性;最后利用基于退火机制的Aitken加速EM算法（A-DAEM）取代传统粒子滤波的再采样过程,克服了EM算法容易陷入局部最值的缺点,改善了粒子枯竭的问题。仿真实验结果表明该算法与变权平均似然函数粒子滤波（PF-ALDP）和基于EM的高斯混合粒子滤波(EM-GMPF)相比,具有高精度估计能力和较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。      

最大互相关熵多凸组合自适应滤波算法

基于最大互相关熵准则(MCC)的自适应滤波算法在非高斯噪声环境下具有强鲁棒性,得到了广泛应用.然而,传统MCC滤波算法在选择参数时依然受到收敛速度与稳态精度之间固有矛盾的困扰.为解决这一问题,该文提出一类多凸组合MCC算法,能够充分发挥不同参数组合下滤波算法的性能优势,从而获得更好的信道跟踪能力.理论分析得出了所提算法...     

一种残差模糊匹配的非线性目标跟踪改进算法

为解决目标跟踪中因系统滤波初值不准确和噪声统计特性未知引起标准非线性卡尔曼算法估计误差变大问题,该文提出一种基于残差的模糊自适应(RTSFA)非线性目标跟踪算法。在确定采样型滤波基本框架的基础上,给出了在线性化误差约束条件下高斯权值的积分一般形式,并利用李雅普诺夫第二方法证明了该算法估计误差有界收敛的充分条件。进一步构建自适应噪声协方差矩阵在线估计噪声特性,并引入Takagi-Sugeno模型和量测椭球界限规则选择噪声估计器调节因子,有效提高了算法的收敛速度和滤波精度。通过滤波初值信息不明和量测噪声时变的纯方位目标跟踪模型,验证了非线性目标跟踪算法具有更好的跟踪精度和更强的鲁棒性。     

基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法

针对多说话人跟踪的非线性系统模型,提出了一种基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法。该方法采用麦克风阵列的时间延迟估计作为观测数据,利用具有三次代数精度的球面-径向数值积分准则计算非线性系统贝叶斯滤波器中的多维积分,通过数值积分卡尔曼滤波和概率假设密度滤波对后验多说话人状态的一阶统计量进行估计,并通过递推更新得到说话人状态信息,实现非线性高斯系统的多说话人跟踪。该方法无需求解非线性系统函数的雅克比矩阵,且计算量较小。仿真实验分析了检测概率、虚警点数目、采样周期、信噪比以及混响时间变化时跟踪算法的性能。实验结果表明,该方法降低了系统模型非线性对滤波算法的影响,增强了跟踪算法的鲁棒性,提高了说话人状态和数目的估计精度。      

最大互相关熵多凸组合自适应滤波算法

基于最大互相关熵准则(MCC)的自适应滤波算法在非高斯噪声环境下具有强鲁棒性,得到了广泛应用.然而,传统MCC滤波算法在选择参数时依然受到收敛速度与稳态精度之间固有矛盾的困扰.为解决这一问题,该文提出一类多凸组合MCC算法,能够充分发挥不同参数组合下滤波算法的性能优势,从而获得更好的信道跟踪能力.理论分析得出了所提算法的均值收敛条件和稳态均方误差,同时,仿真实验表明所提算法在对抗高斯和非高斯噪声时均具有收敛快、稳态精度高的特点.     

基于随机积分的非线性滤波跟踪算法

针对雷达系统的非线性目标跟踪存在精度低、滤波易发散等问题,提出一种新的非线性滤波算法——随机球面径向积分滤波算法(SSIF)。该滤波算法基于随机积分准则,利用随机球面积分准则和随机径向积分准则来近似函数积分。所提的滤波算法和传统的非线性滤波算法,例如扩展卡尔曼滤波、不敏卡尔曼滤波和容积卡尔曼滤波等相比在计算复杂度相当的情况下,不仅可以消除系统误差具有更高的跟踪精度,而且可以防止滤波发散提高滤波稳定度。通过蒙特卡洛仿真实验表明,所提出的非线性滤波算法整体性能明显优于传统的滤波算法。     

不完全信息下导弹参数与状态的联合估计

基于UKF推导了非线性系统参数的递推最大似然估计算法, 并结合UKF实现了对不完全信息下导弹的参数与状态的实时联合估计。首先通过引入导弹的导引律, 建立导弹的状态滤波模型, 进而给出参数辨识的一般递推似然法, 并在UKF状态滤波算法的基础上推导出非线性递推最大似然参数估计方法, 实现了参数估计与状态滤波的并行计算。仿真结果表明, 该方法收敛速度快, 具有很好的实时性和较高的估计精度。