UKF在高动态GPS数据处理中的应用

针对高动态GPS数据处理中的非线性问题,提出了一种基于无迹卡尔曼滤波(UKF)的非线性GPS数据处理方法。传统的方法是将滤波中的非线性方程在标称轨道附近采样线性化,这样会产生较大的误差且计算较难实现。所提算法利用UKF处理GPS数据模型中的非线性方程,采用加权采样点的高斯最小集来表示状态分布,然后通过U变换产生的状态变量进行滤波估计。仿真实验表明,所提算法能够有效处理高动态GPS数据中的非线性问题,预测精度也有较大提高。     

利用相位差变化率的机载无源定位跟踪改进算法

为解决基于空频域信息的机载无源定位中高精度角速度参数难以获取的问题,论文利用相位差变化率对角速度的放大作用,通过2维相位干涉仪布局建立了一种新的无源定位观测模型,实现了对空中运动目标的定位。针对UKF(Unscented Kalman Filter)滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF滤波算法并进行改进,采用简化球形分布的SSUT(Simplex Spherical distribution Unscented Transform)变换进行Sigma点采样,通过减少采样点个数减小了滤波的计算量。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用改进的平方根UKF算法能够在保证稳定跟踪的同时,提高算法效率。     

基于改进SRUKF的多机无源定位跟踪算法

SRUKF能够解决UKF在滤波过程中由于噪声和计算误差导致的误差协方差阵负定的问题,但也付出了增加运算量的代价。以多机编队对地面辐射源进行无源定位跟踪为应用背景,提出了一种改进的SRUKF算法。该算法采用比例修正的最小偏度单形采样策略,减少采样点的同时又能基本保持算法精度;借鉴简化UKF的思想,针对此应用背景下的线性化状态方程,对状态和状态误差协方差平方根的一步预测采用KF进行递推,从而进一步降低运算量。仿真结果表明,相对于采用比例对称采样的标准SRUKF算法,文中所提算法不但能够保持计算精度,而且减小了运算量,具有一定的工程实用意义。     

基于施密特正交变换UKF的单站无源定位算法

在单站无源定位系统中,UKF算法由于采用UT变换,算法的性能虽然要优于EKF及衍生算法,但是增加了计算量。为了减小UKF算法的计算量,易于算法的实时实现,提出了一种基于施密特正交变换的UKF滤波算法。该算法在遵循采样点选取准则的前提下,对所选取的采样点进行施密特正交变换,减少了采样点的数量。计算机仿真结果表明,该算法在保证定位跟踪滤波精度的前提下减小了计算量,提高了计算效率。     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题，提出了一种简单的正则粒子滤波，克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象，将粒子滤波成功应用到无源定位中，计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

雷达

TN952006031261机载单站无源定位三维模型及其仿真/周春阳,周国标(上海交通大学数学系)//上海航天.―2005,22(3).―1～6.针对在空间作匀速直线运动的目标,建立了机载单站无源定位的三维模型。给出了其中的预处理过程和系统状态方程,并采用UKF算法进行滤波处理以提高定位精度。仿真结果表明,模型和算法有效。与扩展卡尔曼滤波(EKF)相比,在初始误差较大时UKF也能快速收敛。图7表0参7TN952006031262高分辨雷达一维距离像稀疏表示技术/杜小勇,胡卫东,郁文贤(国防科技大学ATR重点实验室)//系统工程与电子技术.―2005,27(6).―968～970,987…     

UPF改进算法在单站无源定位中的应用

针对UPF算法在固定单站无源定位目标跟踪应用中存在运算量大、实时性差的问题,通过借鉴简化UKF的思想采用超球面单形采样策略、针对应用背景下状态模型的线性特性采用KF代替状态模型的Sigma点采样、在粒子滤波中对部分粒子间隔进行UKF采样三个方面的改进,提出一种改进的UPF算法。改进的UPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,改进的UPF算法在保持原有滤波精度的同时,有效减少了运算时间,可用相当于EKPF的运算效率得到UPF的滤波精度,适用于固定单站无源定位跟踪系统。     

一种双站纯方位快速渐进无偏定位算法研究

针对多站无源定位中扩展卡尔曼滤波算法等递推类算法受初始状态影响大,滤波不稳定及将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,提出了一种新的双站纯方位快速渐进无偏定位算法。该算法将扩维伪测量方程的系数误差协方差矩阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解,即可获得目标状态估计值。仿真结果表明,该算法与EKF算法及最小二乘算法相比,定位性能更稳定,精度更高,在测量误差较大或者2个观测站测量误差不一致时优势更明显。     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。     

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.     

基于Adams预估校正的UKF跟踪外推算法

不敏Kalman滤波(UKF)算法可以广泛用于各种目标运动的非线性估计中,传统的UKF滤波算法对于时间更新(即一步预测),一般采用对目标运动方程进行离散化或线性化处理,其结果不可避免地产生离散化误差,当目标运动非线性较强时,会导致跟踪误差增大,甚至无法给出正确的预测结果.文中提出的基于阿当姆斯(Adams)预估校正的UKF算法(即Admas-UKF),很好地解决了弹道目标过顶点的跟踪外推问题,仿真结果显示,与传统的UKF算法相比,此算法提高了跟踪外推精度,而计算时间远少于龙格库塔不敏Kalman滤波(Runge_Kutta-UKF)算法.     

高斯和高阶无迹卡尔曼滤波算法

为了提高非线性变换的近似精度,提出了一种高阶无迹变换（High order Unscented Transform,HUT）机制,利用HUT确定采样点并进行数值积分去近似状态的后验概率密度函数,建立了高阶无迹卡尔曼滤波（High-order Unscented Kalman Filter,HUKF）算法.进一步的为了解决非线性、非高斯系统的状态估计问题,将HUKF与高斯和滤波（Gaussian Sum Filter,GSF）相结合,提出了一种高斯和高阶无迹卡尔曼滤波算法（Gaussian Sum High order Unscented Kalman filter,GS-HUKF）,该算法的核心思想是利用一组高斯分布的和去近似状态的后验概率密度,同时针对每一个高斯分布采用高阶无迹卡尔曼滤波算法进行估计.数值仿真实验结果表明,提出的HUT机制与普通的无迹变换（Unscented Transform,UT）相比,具有更高的近似精度;提出的GS-HUKF与传统的GSF以及高斯和粒子滤波器（Gaussian Sum Particle Filter,GS-PF）相比,兼容了二者的优点,即具有计算复杂度低和估计精度高的特性.     

一种目标特性辅助的积分粒子滤波新方法

针对非均匀稀疏采样环境下目标跟踪中的非线性滤波问题,提出了一种基于Gauss-Hermite积分和目标特性辅助的积分粒子滤波新方法(AQPF).在该方法中,构建了基于Gauss-Hermite积分的积分点概率密度函数作为重要性密度函数,同时,在时间更新阶段引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善滤波器中预测粒子和预测协方差估计的准确性和粒子的多样性,有效提高目标状态的估计性能.实验结果表明,提出方法的估计性能要明显好于无迹kalman滤波(UKF)、积分kalman滤波(QKF)、粒子滤波(PF)、辅助粒子滤波(APF)和高斯粒子滤波(GPF),能够有效对目标状态进行估计.     

毫米波/红外多传感器融合跟踪算法研究

毫米波/红外(MMW/IR)传感器是各国发展多模复合制导技术的重点.针对平方根无迹卡尔曼滤波(SR-UKF)的估计算法存在线性化误差及粒子滤波中得到优化的重要性密度函数比较困难的问题,将平方根无迹卡尔曼滤波与粒子滤波相结合,提出一种序贯融合的平方根无迹卡尔曼粒子滤波(SRUKPF)算法.利用平方根无迹卡尔曼算法得到的状态更新矩阵和误差协方差矩阵,构造粒子滤波的重要性密度函数,这样重要性密度函数能够融入最新观测信息,进而更加符合真实状态的后验概率分布.为验证算法的有效性,以地空导弹中MMW/IR传感器复合制导为背景进行仿真研究与分析,结果表明,该算法克服了粒子滤波法难以得到优化重要性密度函数的缺陷,能有效提高多传感器系统状态估计的精度     

基于卡尔曼滤波的三星时差运动目标定位技术

针对三星时差无源定位体制的特点,研究空中运动目标辐射源定位技术.在匀速直线运动目标模型下,通过改变地球方程参数,利用牛顿迭代算法给出目标的瞬时初始定位点,并在此基础上利用不敏卡尔曼滤波对运动目标进行跟踪定位.仿真验证表明,利用三星时差测量体制和相关滤波算法,可以有效实现空中运动目标的跟踪定位,精度优于5 km;同时在精...     

面向制导律设计的目标信息估计方法研究

针对制导律对目标信息的需求问题,利用超球体单形sigma采样平方根UKF滤波方法估计出弹目相对运动信息,提高了制导精度。首先基于变结构控制方法设计了滑模制导律,其次,针对制导信息的需求,建立了超球体单形sigma采样平方根UKF滤波系统,该滤波方法在处理弹目非线性关系时,采用对非线性函数的概率分布进行近似而不是对非线性函数进行近似,在估计弹目状态信息时比扩展卡尔曼滤波更加精确,并且保证了数值的稳定性。最后通过数学仿真,不仅验证了该滤波算法的有效性,而且提高了对大机动目标的制导精度。