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。     

一种单机对固定目标的无源定位方法

首先分析了对固定辐射源进行定位的2种模型:利用测角信息对固定辐射源的单站无源定位;利用角度及其变化率信息对固定辐射源的单站无源定位。分别对这2种定位方法进行分析,并通过推广卡尔曼滤波(EKF)算法对上述定位算法进行比较,加入角度变化率不但可以对目标瞬时定位,而且可以实现比只测向定位更高的定位精度。     

对机动辐射源单站无源定位IMM算法

探讨了一种利用单个观测站对机动辐射源目标进行无源定位与跟踪的交互式多模型（IMM）算法。在该方法中，基于辐射源的信号到达时间（TOA）和信号到达方向（DOA）信息，可以实现单站无源定位，运用交互式多模型算法，可以适应目标的机动性。通过计算机仿真，验证了该方法的正确性和有效性。     

基于中心差分的机动辐射源单站被动跟踪算法

针对机动辐射源的单站被动跟踪问题,结合中心差分滤波(central difference filter)方法,该文提出了一种基于中心差分的交互多模型(IMM)机动目标跟踪算法,无需计算基于EKF(Extended Kalman Filter)方法所需的Jacobian矩阵,易于实现。将传统IMM算法中协方差的传递改造为平方根滤波形式,数值稳定性更好。将该算法应用到联合利用径向加速度和角度信息的单站定位系统,与基于EKF的IMM算法和基于UT(Unscented Transformation)的IMM算法仿真比较表明,该文算法和基于UT的IMM算法性能相当,比基于EKF的算法具有更高的跟踪精度。     

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.     

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。     

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。     

对运动目标的单站无源定位技术研究

实现对运动目标辐射源的单站无源定位是对新体制雷达对抗侦察系统的基本要求.固定单站通过测量角度、角速度和多普勒频率变化率可实现对运动目标的无源定位,该方法对角速度特别敏感,测量精度要求很高.为此,提出了一种利用波达方向、相位差变化率、载波频率及多普勒频率变化率的单站无源定位方法,结合某地面雷达对抗侦察系统,分析了其定位原理、测距误差和可观测性,给出了单次测距的计算机仿真结果和结论.仿真研究表明,通过增加相位差变化率信息降低了对角速度的高精度测量要求.     

单站无源定位原理浅析

探讨了一种基于目标频域和空域参数测量信息，利用固定单站对机动目标进行无源定位与跟踪的算法，并详细分析了定位原理。在建立目标机动模型与测量方程的基础上，运用修正增益的扩展卡尔曼滤波（MGEKF）算法，实现对机动目标进行定位与跟踪。     

基于TOA和DOA的固定单站无源雷达跟踪方法

单个固定观测站在被动条件下接收运动辐射源信号的到达时间(TOA)和角度(DOA)实现对其跟踪定位,由于其系统隐蔽性好、布站机动灵活受到广泛关注。针对以往利用TOA差分和DOA跟踪定位稳定性和精确度较差的情况,提出一种在辐射源已知的固定重复周期条件下对TOA取模,再结合DOA信息实现对辐射源的扩展卡尔曼定位跟踪滤波方法。仿真表明,该方法可以达到克拉美-罗下限(CRLB),具有高的定位成功概率。     

红外制导弹药协同定位跟踪方法研究

针对红外制导导弹无法直接测量弹目距离、视线角速度及目标加速度等制导信息,且单枚导弹的可观测量少,目标定位误差大的问题,考虑红外导引头的测量特性,利用多枚导弹与目标的几何关系对目标进行协同定位。建立多枚导弹对目标的协同跟踪模型,通过计算导弹间相对运动关系估算弹目距离,并将其作为伪量测量,结合导引头测角信息构建新的量测方程,利用卡尔曼滤波估计出弹目距离和视线角速度等制导信息。针对机动目标,研究了一种基于交互式多模型滤波方法,利用多个目标机动模型加权融合的方法来估计真实目标机动模型。数学仿真表明该方法有效提高了对固定/机动目标的估计精度。     

基于红外辐射信息的IRST系统机动目标跟踪算法

传统的IRST(红外搜索与跟踪)系统是一个仅有角测量的系统，对于目标距离是不可观测的。文中增加了红外探测器对目标红外辐射的响应信息这一测量项，使其成为一个距离可观测系统，并在此基础上，建立了目标的观测模型，推导出了机动目标跟踪的EKF跟踪算法。通过跟踪一个机动目标的仿真过程，对算法性能进行了检验，结果表明：本算法对机动目标能进行有效的跟踪，而且跟踪精度也是令人满意的。     

机动目标跟踪中的多模算法

机动目标跟踪是一个很具有挑战性的任务，即使是跟踪单目标也可能因为目标的逃避机动而失跟，机动目标跟踪所遇到的基本问题是所建目标模型的动力学方程与目标的实践运动模式存在着不匹配。所以很多学者研究多模算法来解决这一问题。本文对学者们在多模算法上的研究结果进行了系统总结分析，得出结论：变结构的方法是提高跟踪性能、减少运算量，将多模算法用到实际的机动目标跟踪中的有效途径。     

基于视在加速度与角速度信息的单站无源 定位原理与目标跟踪算法研究

本文提出了一种基于视在加速度与角速度信息的单站无源定位方法,分析了其定位原理和利用该方法对静止或匀速运动辐射源的即时定位.同时提出了一种适合于这一定位方法的目标跟踪算法——测量空间卡尔曼滤波(MSKF)算法.对即时定位精度与MSKF跟踪算法进行了计算机仿真实验,最后,将该定位方法和MSKF算法应用于某次无源定位外场试验中,结果表明了该定位方法的有效性.     

改进的“当前”统计模型变采样率目标跟踪算法

为满足实际雷达系统对高精度和高实时性的要求,提出了一种改进的"当前"统计模型变采样率机动目标跟踪算法。该算法针对"当前"统计模型必须预设加速度极值和机动频率的问题,提出一种加速度方差和机动频率在线同步自适应方法,建立改进的"当前"统计模型机动目标跟踪算法;针对在线自适应方法计算量大的问题,结合采样周期的大小与目标机动特性的关系,引入变采样率方法。仿真结果表明,与传统"当前"统计模型相比,改进的"当前"统计模型机动目标跟踪算法能显著提高对不同机动强度目标的跟踪精度;变采样率方法通过减少采样点数,节省了系统资源,提高了跟踪实时性;所提算法将两者结合,用传统的"当前"统计模型1.5~2倍的平均采样周期得到了更小的位置均方根误差,实现了用单模型方法同时改善跟踪精度和实时性的目的。     

多种跟踪算法对机动目标跟踪的应用研究

通过建立目标运动模型,对多种跟踪滤波器进行了分析仿真。仿真结果表明,混合状态估计交互式多模型算法（IMM）对机动目标跟踪效果比其它类型的滤波器好得多,并且确定了在航迹滤波与机动跟踪方面综合表现性能较高的IMMVCVA跟踪算法。通过外场实际数据验证,表明该算法对现实环境中的目标稳定跟踪具有重要的意义。     

基于双重扩展卡尔曼滤波器的共轴跟踪技术研究

为了解决光电经纬仪由于机动目标运动模型不准确而引起的跟踪精度下降的问题,采用了单隐层前向神经网络(SLFNs)进行建模,提出了基于状态参数双重扩展卡尔曼滤波估计的共轴跟踪控制技术。仿真与实验结果显示,对83.33sin0.6t的等效正弦目标的速度估计最大误差为0.070 9()/s,跟踪精度为2.42';对旋转周期为4.5 s的光学动态靶标的跟踪精度达到2.96'以内。由此可见,所建立的模型与机动目标实际模型匹配,双重扩展卡尔曼滤波器(DEKF)能快速跟踪和估计状态参数。与传统控制方法相比,提出的方法具有更高的跟踪能力,能有效提高系统的跟踪精度。