水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析

针对在单站纯方位目标运动分析中观测器机动航路和定位与跟踪精度问题,基于目标定位跟踪精度下限CRLB,提出用精度几何散布GDOP作为优化性能指标,采用数值寻优计算的方法,对表达式较复杂的单观测器测向无源定位的定位误差下限进行数值计算,以找出影响定位精度的主要因素.分析了观测器航路对固定目标定位精度的影响效果,并且给出了匀速直线运动航路和恒提前角匀速运动航路对目标定位精度影响的仿真计算结果,表明航路对定位精度存在很大影响,可以通过优化观测器航路来提高系统可观测程度和改善定位与跟踪算法的性能.     

单观测器无源定位误差下界的仿真分析

单观测器无源定位所能达到的最优定位精度与观测器的运动速度、运动轨迹、测量精度和测量速率密切相关。该文采用仿真方法,分析了观测器运动轨迹、运动速度、测量精度和测量速率等因素对测角无源定位误差Cramer-Rao下界的影响,比较了三种形式观测器轨迹的定位误差下界,得出的结果对确定具体定位与跟踪系统战术指标、以及对滤波算法的选用具有实用价值。     

对运动辐射源的被动定位与跟踪

本文探讨了在有源干扰环境下利用多个测量站对运动辐射源进行被动定位与跟踪的方法。该无源被动定位系统采用了加权最小二乘法来估计目标位置并用卡尔曼滤波器对目标进行跟踪与预测。计算机仿真结果表明,该系统可对运动辐射源定位,定位精度主要由测量站数目、布局及其测量精度和目标航迹所确定。     

基于无源测距的快速定位方法研究

 在分析现有单站无源定位方法优缺点的基础上,针对运动平台对固定目标进行无源定位要求快速性这一特点,提出了一种通过目标角度和角度变化率信息对观测站与目标间的距离进行解算的快速定位方法,依照定位误差的几何分布(GDOP)对该方法进行了单次和多次定位精度的仿真,验证了该方法是一种高精度的、快速的定位方法.     

基于角度和多普勒频率的外辐射源定位系统的接收器最优航迹分析

该文提出了一种利用角度和多普勒频率的一发一收外辐射源定位体制,针对运动目标,给出了接收站的最优航迹规划。该文采用定位的位置误差(Geometrical Dilution Of Precision, GDOP)作为优化对象,具体分析2维目标定位的优化问题,通过一边估计目标一边优化接收站运动的方法,使用无迹卡尔曼滤波 (Unscented Kalman Filter, UKF)估计目标的位置和速度,以达到在定位的各个时刻能够得到最优的定位精度。仿真实验验证了该方法的有效性。      

一种基于"当前"统计模型的机动辐射源单站无源定位方法

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站对机动运动辐射源无源定位跟踪系统,提出了一种用"当前"统计模型对角速度建模,利用UKF滤波进行滤波,跟踪机动辐射源的定位方法.同时对非线性定位系统的可观测性进行了分析,得到了与辐射源作匀速运动相同的可观测条件.仿真结果表明,本文提出算法对固定单站在角速度变化的机动运动无源定位中跟踪效果更佳.     

基于分簇结构无线传感器网络的高效无源定位方法

针对基于节点通信能力和能量受限的无线传感器网络实现高精度无源定位的问题,首先,在分簇结构网络中,通过折中单个簇的TDOA定位精度和运算复杂度,确定了簇规模;其次,基于直达波环境中TDOA定位误差是按布站GDOP对测量误差放大的原理,提出第一轮定位先使用网内所有节点以RSSI定位方法粗估计目标辐射源位置,并根据各簇在该粗估计位置处的布站GDOP和测量误差估算TDOA定位标准差,第二轮定位选择具有较低TDOA定位估计标准差的部分簇参与TDOA定位,最后将这些簇的TDOA定位结果按估算的定位估计标准差加权平均,求得最终定位解。仿真结果证明该方法有效的去除了冗余节点,实现以半数节点接近使用全部节点的定位精度。      

对固定辐射源的单站无源定位技术

介绍了对固定辐射源目标的单站无源定位技术,利用观测站与目标相对切向运动的方位角变化率和俯仰角变化率实现快速测距及定位,分析了各测量参数、定位参数对定位精度的影响,绘制了定位精度几何分布图(GDOP),对该定位方法给出了算法仿真分析。仿真证明,单次定位测距相对误差距离增大而增大,通过多次观测得到多个时间瞬时定位结果后,对其统计处理,以改善定位和跟踪条件,减少定位误差。     

一种基于空域和频域信息的固定单站无源定位跟踪改进算法

针对无源定位必须实现快速和稳定定位跟踪的要求,本文基于辐射源信号的空域和频域信息,提出了一种对运动辐射源的固定单站无源定位跟踪改进算法。文中首先利用辐射源信号的空域和频域变化量信息,通过伪线性卡尔曼滤波算法估计出目标的速度矢量;然后利用速度矢量的估计值直接获得目标位置矢量的估计,并将其作为标准卡尔曼滤波算法的观测值进行滤波;最后通过计算机仿真验证了该方法具有较高的定位精度和较快的收敛速度。     

对海面远距离运动目标定位跟踪的IMM算法研究

研究了平流层三站测时差无源定位系统对海面远距离运动目标定位与跟踪的滤波算法问题。将IMM滤波器应用到平流层三站测时差定位系统中,采用三模型组合的IMM滤波算法,首先通过时差测量参数计算出粗略的定位结果,接下来采用IMM滤波算法逐步估计出运动辐射源的速度,并修正初始的定位结果,提高定位精度。仿真结果表明,基于IMM滤波器的三站时差定位系统具有较快的收敛时间、较高的跟踪精度和适中的计算复杂度,能够对不同强度的机动目标进行定位与跟踪,很好地解决了三站时差定位系统对海面远距离运动辐射源定位跟踪的算法问题。还提出了利用回归处理的方法进一步提高固定目标定位精度的思想。     

多目标跟踪的观测站最优机动策略

在多目标跟踪问题中,观测站的有效机动可以提高观测信息的质量,从而提升目标跟踪的精度。对此,文中提出一种基于高斯混合概率假设密度(GM-PHD)滤波器的观测站最优机动马尔可夫决策方法。首先,用Fisher信息矩阵(FIM)行列式建立代价函数;然后,计算出马尔可夫链的转移矩阵,利用马尔可夫决策过程(MDP)来获得观测站最优机动策略。其中,利用GM-PHD滤波器来估计目标的实际位置和为每一决策周期提供概率假设密度(PHD)。通过实验仿真,验证了该机动策略在提高多目标跟踪精度方面的有效性。     

基于自适应卡尔曼滤波的机动目标跟踪算法

针对一般卡尔曼滤波融合跟踪方法无法实现对机动目标的有效跟踪问题,提出一种自适应卡尔曼滤波融合方法,设计一种能够提供目标开始机动瞬时估计的目标机动探测器,反复对目标的加速机动进行估计,当确定目标开始机动时,卡尔曼滤波模型将自适应地调整为目标机动状态模型。最后,通过仿真实验对比分析,证明文中所提方法优于一般卡尔曼滤波融合方法。     

一般仅方位目标跟踪系统可观测的必要条件

对一般的仅方位目标跟踪系统的可观测性进行了分析。这里"一般"的含义是指目标的运动假设突破了以往匀速直线运动的限制,扩展为更为一般的各种复杂运动。得出了这种条件下系统可观测的必要条件。在目标作匀速直线运动的假设下,仅方位目标跟踪的一个熟知结论是:系统可观测的必要条件是观测者必须机动。将这一结论推广到任意的目标运动条件,指出:在二维仅方位目标跟踪系统中,系统可观测的必要条件是观测者作比目标更为复杂的运动,并且独立方位数等于待定参数数。这一结论不仅有助于仅方位目标跟踪系统本质的认识,对于诸如跟踪算法开发和观察者机动策略优化等工程实践也有着十分重要的意义。     

三维机动辐射源的单站无源跟踪方法

针对单站无源定位中对于机动辐射源利用角度及其变化率能否定位的问题，引入雷达对机动目标跟踪的多级噪声自适应(ANL)法和交互多模(IMM)方法，以及机动目标运动模型如Singer模型、匀加速模型等，研究并提出了两种对机动辐射源利用角度及其变化率进行单站无源跟踪方法。通过计算机数字仿真表明，在满足定位可观测条件的前提下，对机动辐射源仅仅利用角度及其变化率是可以定位的，其中IMM方法具有比较优秀的性能。     

一种改进的单站无源定位算法

单站无源定位与跟踪(SOPLAT)技术逐渐成为定位跟踪领域的研究重点。首先分析了基于扩展卡尔曼滤波(EKF)的结合角度变化率、相位差变化率、多普勒频率和多普勒频率变化率的单站无源定位算法,然后利用基于极坐标的扩展卡尔曼滤波(PC-EKF)对该定位算法进行改进。计算机仿真表明,改进后的定位算法具有更高的定位精度。     

基于IMM-SCKF-STF的机动目标跟踪算法

在处理非线性机动目标跟踪问题时,传统的非线性滤波估计算法跟踪误差大且容易引起滤波发散.针对上述问题,研究将强跟踪平方根容积卡尔曼滤波(SCKF-STF)和交互多模型(IMM)算法相结合,提出一种新型的交互多模型强跟踪平方根容积卡尔曼滤波(IMM-SCKF-STF)跟踪算法.该算法在SCKF基础上引入强跟踪渐消因子,使其不仅拥有应对机动目标状态突变的强跟踪能力,同时还具备交互多模型算法的优良机动目标跟踪性能.因此,新算法在机动目标跟踪方面将获得更高的非线性滤波估计精度,且算法的稳定性和应对状态突变的跟踪鲁棒性能获得显著提高.最后,通过两个仿真例子验证了此算法的有效性与优越性.     

变结构多模型估计单Kalman滤波跟踪机动目标算法

在机动目标跟踪中，如果我们估计出目标的机动量，就可以使用单Kalman滤波来跟踪目标且跟踪精度和IMM滤波方法接近。文献[l]中提出用N个离散加速度Ui覆盖目标机动量，然后用它们加权的方法来得到机动量的估值。这些离散加速度量Ui的选择是个难点。本文提出使用变结构多模型方法来估计目标的机动量，该方法可以实时改变参与估计机动量的模型数目和参数，排除一些不必要的模型来减少模型数目和竞争。仿真实验结果表明，在大大缩短计算时间的前提下，本算法依然能够获得与原算法一样的跟踪精度。     

相参脉冲序列频率估计的小波变换方法

在单站无源定位与跟踪系统中,接收信号的多普勒频率变化率信息对运动目标的状态估计和定位非常重要。对于脉冲体制的雷达来说,信号持续时间较短,很难精确测量多普勒频率变化率。小波变换在时频域同时具有良好的局域特性和较低的信噪比门限。文章引入了小波变换方法实现单站无源定位与跟踪系统的参数估计,推导了相参脉冲序列的小波变换方法。数值仿真证明该方法能实现脉冲的相参积累,大幅提高参数的估计精度。     

基于增量学习神经模糊网络的机动目标跟踪

本文提出了基于增量学习神经模糊网络机动目标跟踪模型.当被跟踪目标发生机动时,该模型立刻检测到机动并对卡尔曼滤波器的自适应系统协方差进行精确估计,系统得到及时、正确的补偿.增量学习神经模糊网络能够随着环境变化,自动调整、找到最优的网络结构及参数,当发生机动时,总是能产生接近真实机动值的估计输出,从而提高跟踪性能及避免错误跟踪.仿真结果表明,该模型比传统的机动目标跟踪模型有更好的跟踪性能,并且该模型能动态的适应环境的变化,使系统更加实时,精确的跟踪机动目标.     

基于高阶累积量的目标机动检测新方法

机动检测是多模型目标跟踪中的一个关键问题.在卡尔曼滤波中,当目标机动被噪声淹没时,传统的机动检测算法将失效,多分辨方法虽然能够有效地抑制噪声,可靠检测机动,但由于计算复杂导致严重的检测延迟,从而限制了它的应用.本文提出一种基于三阶累积量的机动检测新算法,它有效地克服了上述二者的缺陷.由于高阶累积量能够抑制高斯噪声,因此在三阶累积量域易于检测机动.同时通过采用逐点更新法,可实时进行机动检测.仿真结果表明,该算法优于传统算法和多分辨方法,特别是在低信噪比的情况下.