共查询到20条相似文献,搜索用时 296 毫秒
1.
本文分析了雷达测量模型方程的非线性;并且定量给出了模型非线性对滤波和平滑精度的影响;导出了一种能够有效地减少非线性误差的简单算法。该算法采用如下顺序处理观测值;方位、俯仰、距离。利用方位误差去修正俯仰误差,然后利用前面的综合结果去修正距离误差。结果表明,利用该算法进行估计的精度优于扩展卡尔曼滤波器(EKF)的估值精度;而且用该算法估值时,并不比(EKF)复杂。 相似文献
2.
扩展卡尔曼滤波器(EKF)已被广泛用作一种非线性滤波方法来解决雷达的跟踪问题。但是,已经发现,在目标位置横向距离测量误差较大的情况下,由于不可忽略的非线性效应,一般EKF的性能会大大降低。基于下述事实,即在直角坐标系中可以正确估算测量误差协方差,开发了一种新的滤波方法以改善利用雷达测量值的跟踪性能。所提出的算法可看作是EKF的改进。在EKF中,距离测量误差的方差是以自适应方式估计的。这种滤波器结构方便了序列测 相似文献
3.
针对P波段雷达在天线阵面规模(单元数)一定情况下,波束宽度较宽,测角精度不高,无法满足跟踪制导精度要求的问题,文中探讨了利用多个P波段雷达组网来提高系统精度以达到跟踪制导要求的问题,并详细分析了多部雷达联合定位后的距离、方位和俯仰精度,提出了用IMM+EKF和IMM+UKF点迹融合算法提高系统精度,最后仿真验证了方法的有效性。 相似文献
4.
基于UKF算法的惟方位单站无源跟踪 总被引:2,自引:0,他引:2
单站无源跟踪问题本质上是非线性估计问题,使用传统的EKF算法进行跟踪滤波,得到的结果误差较大,容易产生发散现象。本文在惟方位跟踪中应用UKF算法,仿真结果表明,与EKF相比,采用UKF算法跟踪精度较明显的提高,同时增强了滤波器的稳定性,有效地改善了跟踪性能。 相似文献
5.
6.
针对多普勒天气雷达时间分辨率和方位分辨率提高后,回波强度和径向速度精度无法满足1 dB 和1 m/ s 业务要求的问题,采用基于距离过采样技术和白化滤波算法的改进谱矩估计方法,使估计精度大大提高。该方法通过在距离向提高采样频率,获取更多的回波信号样本数量,然后采用白化滤波算法去除回波信号距离向的相关性,提高回波信号的独立样本数;并以白化滤波后的回波信号为基础,改进现有脉冲对谱矩估计算法,提高谱矩估计精度。仿真和雷达试验结果表明,在回波信号信噪比较大时,谱矩估计改进算法比现有脉冲对算法的估计精度更高,且可解决多普勒天气雷达因时间分辨率和方位分辨率提高后引起的精度降低问题。 相似文献
7.
本文是一篇评论几种类型的能提供目标高度和距离、方位的三座标战术对空监视雷达的文章。这些雷达包括采用叠接波束、频扫或相扫以获得仰角覆盖且采用机扫以获得360°方位覆盖的各种雷达。机载雷达和机载武器系统处于近距离时需要三座标雷达。这些近程系统和性能局限的飞机导致对目标高度精度的严格要求。显然,为了引导战斗机去截击敌机,必须同时提供高度信息和距离、方位信息。 相似文献
8.
9.
10.
本文叙述当雷达探测设备以高数据率在极座标系中测量距离、方位和仰角时、机动目标在直角座标系中的卡尔曼滤波器。为确定用微机在线实现时的滤波器增益,推导了增益的近似算法。这种算法计算三个解耦的滤波器增益,再乘以所测目标位置和方位确定的雅可比变换。本文就海炮火控系统中典型的目标轨迹对这种算法与扩展的卡尔曼滤波器作了比较,我们的算法其滤波增益和跟踪误差与扩展卡尔曼滤波器的非常接近,而计算量则少了四分之三。 相似文献
11.
12.
分析了舰载三坐标雷达机械稳定平台动态误差引入的仰角和方位测向误差。提出了修正该误差的一种解决方案,并估计了修正后的测向精度。 相似文献
13.
舰载三坐标雷达测向误差估计及其修正方法 总被引:1,自引:0,他引:1
分析了舰载三坐标雷达机械稳定平台动态误差引入的仰角和方位测向误差。提出了修正该误差的一种解决方案,并估计了修正后的测向精度。 相似文献
14.
本文介绍了一种解决三维空中机动目际跟踪问题的新方法。这种方法将 Singer[3]的相关加速度目标模型与 Gholson 和 Moose[8]的自适应半马尔柯夫机动模型结合起来,导出一个能够在现代火控计算机上容易实现的实用实时跟踪算法。随着实际雷达测量而进行的初步实验表明:这种方法响应快速目标仰角、方位和距离上的加速度,不但改善了跟踪精度,而且提高了滤波器的稳定性。 相似文献
15.
CDKF在GPS/SINS组合导航系统非线性模型中的应用 总被引:3,自引:0,他引:3
GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波(EKF)的估计精度降低。而中心差分卡尔曼滤波(CDKF)的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。 相似文献
16.
最佳线性无偏估计(BLUE,Best Linear Unbiased Estimation)滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正:通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明:改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义. 相似文献
17.
18.
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。 相似文献
19.
杂波环境下, 现有的最近邻数据互联算法在高采样率雷达跟踪慢速目标时, 由于量测误差远远大于目标实际运动的距离, 量测值往往难以落入预测波门之内, 从而造成数据互联失败。针对这一问题, 提出了一种自适应距离最近邻数据互联算法。该算法用状态估计向量中的位置信息计算与下一时刻量测值的实际距离来代替预测中心与量测值的统计距离, 降低了预测中心不确定性造成的漏互联概率, 从而提高了跟踪精度。实际距离波门的大小与雷达和目标距离、雷达测距精度、雷达测角精度有关, 并且随着时间实时变化。通过在地心坐标系下的跟踪滤波仿真证明, 该算法能够有效地实现高数据率雷达对慢速目标的跟踪, 且跟踪精度较高, 具有一定的工程实用价值。 相似文献