一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。     

一种基于角度和时差信息的改进型滤波算法

联合角度（DOA）信息和时差（TDOA）信息对运动目标进行多站无源定位实质上是一种非线性估计问题。文章基于DOA和TDOA信息，提出了二种多站对三维空间目标进行定位跟踪的修正增益扩展卡尔曼滤波（MGEKF）算法，文中分别推导了角度观测方程和时差观测方程的修正增益函数。计算机仿真表明该算法的定位精度和稳健性能均要高于扩展卡尔曼滤波（EKF）算法。     

仅有角度量测的红外机动目标跟踪

针对红外机动目标跟踪仅有角度量测的特点,引入了基于修正球坐标系的扩展Kalman 滤波器,并对目标状态模型及其线性化方程进行了推导,建立了扩展Kalman 滤波方程 组。     

使用高斯混合滤波器的机动目标跟踪

实际目标跟踪过程中,被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息,给出了目标状态与类型不确定性的联合状态类型概率密度函数表示,并推导了线性高斯假设下的系统模型为高斯混合模型。根据这一性质,引入高斯混合滤波器,实现了机动目标的有效跟踪。在仿真分析中,通过对比3种算法的跟踪结果,进一步验证了使用高斯混合滤波器在机动目标跟踪过程中的有效性。     

伯努利滤波器在纯角度跟踪场景中的应用

所获得信息只包含角度信息的传感器被称为纯角度传感器，基于纯角度传感器的目标跟踪被称之为纯角度跟踪（Bearings-only Tracking，BOT）。BOT是目标跟踪领域的重要课题，在被动目标跟踪场景中能够发挥重要作用。伯努利滤波器（Bernoulli Filter，BF）是贝叶斯框架内的最优单目标滤波器，可以求得目标的存在概率和完整的后验概率密度函数，并判断目标出现和消失。作者将伯努利滤波器应用于纯角度跟踪场景下的单目标跟踪问题，提出了一种纯角度跟踪伯努利滤波器。在所提出的滤波器中，将目标相对于传感器的角度及其变化率作为状态矢量，用于估计目标是否存在；若目标存在，估计其状态信息。同时，还给出了所提出滤波器的粒子滤波（Particle Filter，PF）实现方法。仿真结果显示，与普通伯努利滤波器相比，所提出的纯角度跟踪伯努利滤波器能够更好地判断目标是否存在，同时滤波器对于目标估计的误差也更小。因此，所提出的滤波器具有更好的跟踪性能和更高的跟踪精度，能够有效应用于被动跟踪场景中。     

基于外辐射源的机动目标单站无源定位IMM算法

探讨一种基于外辐射源的信号到达时间差 (TDOA)和信号到达方向 (DOA)信息 ,利用固定单站对机动目标进行无源定位与跟踪的新方法。在建立目标机动模型与量测方程的基础上 ,运用交互式多模型 (IMM)算法 ,实现对机动目标进行定位与跟踪。通过计算机仿真 ,验证了该方法的正确性与有效性     

四旋翼无人机块控反步姿态控制器设计

针对四旋翼无人机的姿态控制问题,设计了一种基于块控反步法的姿态控制器。建立了四旋翼无人机完整的姿态运动模型,包括姿态动力学模型和空气动力学模型,并将其转化为多输入多输出非线性系统的状态空间方程。在介绍块控反步控制器的基础上,给出了积分反步姿态控制器的设计过程。将滤波器引入控制器设计中,解决了对虚拟控制律求导所产生的"计算膨胀"问题。对控制系统的Lyapunov稳定性分析表明,所设计的控制系统是稳定且指数收敛的。仿真结果表明所设计的控制器具有良好的跟踪能力和较强的鲁棒性。     

三阶锁相环环路滤波器参数设计

锁相环在通信、遥测、导航等领域有着广泛的应用,三阶锁相环由于其频率斜率跟踪能力,越来越受到重视,特别是深空探测的极窄带应用。利用系统稳定性分析方法和高阶系统分析理论,分别对两种模型的二阶环路滤波器,即理想二阶滤波器和三参数滤波器模型,推导了参数设计公式,给出三阶锁相环设计参数的模拟及数字环路公式,并与JPL数字锁相环(DPLL)的设计参数经验公式进行比较。仿真结果表明,3种设计方法近似相同,而所推导的参数设计方法优点在于可以灵活配置系统的零、极点的位置以及阻尼系数等多种参数,为各种变带宽和自适应算法提供理论和应用基础。     

基于外辐射源的机动目标单站无源定位IMM算法

探讨一种基于外辐射源的信号到达时间差（TDOA）和信号到达方向（DOA）信息，利用固定单站对机动目标进行无源定位与跟踪的新方法。在建立目标机动模型与量测方程的基础上，运用交互式多模型（IMM）算法，实现对机动目标进行定位与跟踪。通过计算机仿真，验证了该方法的正确性与有效性。     

基于分布式两坐标雷达网络的目标三维跟踪算法

针对目前的航空管理和作战指挥系统的需求,该文提出一种基于分布式两坐标(2D)雷达网络的目标3维跟踪算法。首先,该文从集中式框架下融合中心的广义量测方程出发,推导了融合中心的更新方程。而后,将更新方程中的量测用各部雷达的局部跟踪信息来代替,并由此得出目标3维状态的估计。从推导过程可知,该文所提算法是量测扩维的集中式融合算法通过矩阵变换直接得到的,只是变换过程中对单雷达跟踪模型进行了近似,因此是次优的。最后,蒙特卡罗仿真实验表明,该算法收敛速度很快,且跟踪精度很高,可以满足实际需求。     

对运动高重频辐射源的三星时差跟踪算法

本文针对三星对高脉冲重复频率(high pulse repetition frequency, HPRF)运动辐射源进行时差(time difference of arrival, TDOA)跟踪时出现时差模糊的问题,提出了一种基于多次观测滤波的时差跟踪解模糊算法。本文首先给出时差模糊的数学模型,其中包括分析模糊时差出现的原因、介绍时差窗和模糊时差数的计算方法和将模糊时差用高斯混合模型（Gaussian mixed model,GMM）逼近。之后利用三星时差定位得到所有模糊的滤波初始值,接着利用容积卡尔曼滤波(cubature Kalman filter , CKF)结合高斯和滤波(Gaussian sum, GS)算法在模糊时差观测下对辐射源进行跟踪,每次滤波之后删除权值较小的高斯成分来减小计算量,取最后一次滤波结果的加权平均作为最终输出。实验表明本文算法相较于其他解模糊方法可以更好地解时差模糊。      

TDOA positioning in NLOS scenarios by particle filtering

A method is proposed for position estimation from non line of sight time difference of arrivals (TDOA) measurements. A general measurement model for TDOA accounting for non line of sight conditions is developed; then, several simplifying working assumptions regarding this model are discussed to allow the efficient implementation of a particle filter localization algorithm. This algorithm is tested and compared with an extended Kalman filter procedure, both in simulation, generating artificial measures, and with real data.     

一种在非视距环境中的TDOA/AOA混合定位方法

提出了一种在非视距环境中的到达时间差/到达角混合定位方法。该方法使用了两步卡尔曼滤波。先用卡尔曼滤波器对到达时间测量值进行预处理,以消除TOA测量值中的NLOS误差。再把经过预处理的TOA测量值输入到用卡尔曼滤波器实现的TDOA/AOA混合定位器中进行定位。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法及静态定位方法中泰勒级数展开法的误差性能。     

Moving‐Target Tracking Based on Particle Filter with TDOA/FDOA Measurements

In this letter, we propose a moving‐target tracking algorithm based on a particle filter that uses the time difference of arrival (TDOA)/frequency difference of arrival (FDOA) measurements acquired by distributed sensors. It is shown that the performance of the proposed algorithm, based on the particle filter, outperforms the one based on the extended Kalman filter. The use of both the TDOA and FDOA measurements is shown to be effective in the moving‐target tracking. It is proven that the particle filter deals with the nonlinear nature of the moving‐target tracking problem successfully.     

IMU辅助的TDOA室内定位

室内环境下,当无线信号受到多径和非视距干扰时,传统的基于到达时间差（Time Difference of Arrival,TDOA）的测距模型定位精度不满足室内定位精度要求。为此,提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit,IMU）相结合的定位方法。在视距情况下,只有TDOA系统工作,但在信号受到干扰时,利用IMU能够在短时间内提供一个准确的相对位置信息的特性,采用TDOA算法对其进行辅助定位,并利用卡尔曼滤波器对它们的数据进行预处理,最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明,提出的算法比传统的TDOA定位具有更高的精度。     

基于距离参数化的双机时差递推定位方法

双机仅测时差定位系统具有系统结构简单、定位精度高的特点。对不当的滤波初始化易造成的扩展卡尔曼滤波器（EKF）的滤波发散问题,该文提出了一种基于时差测量的距离参数化（RP）方法。该方法利用时差得到一组滤波初始化值,结合EKF,提出了双机时差测量的距离参数化扩展卡尔曼滤波（RPEKF）递推定位方法。仿真结果表明,该文的定位...     

城区时间差测量模型与校准分析

在射频传感网短基线时差定位(Time Difference of Arrival, TDOA)中, 到达时间差的测量是一个重要问题.时间差的测量精度除了受到测量接收机本身系统频响特性影响外, 城区无线电波传输环境是影响时差测量精度的重要因素.本文对影响时差测量精度的系统测量误差、城区非视距传播引起的误差进行了理论分析, 给出了测量误差的类高斯概率分布模型, 提出采用校准源提高时差测量精度的方法并验证了该方法的合理性.     

基于无源时差定位系统的机动目标跟踪算法

研究了三维情况下IMM算法在无源时差定位系统中的应用。由于CV和Singer模型及CT模型状态变量维数不一致,导致IMM算法中数据无法有效地交互与融合。文中对CV和CT模型进行扩维改进,找到适合对三维机动目标进行跟踪的CV—Singer模型．通过与CV—nCT模型的跟踪效果仿真比较验证了其优越性。     

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。