基于SR-UKF的高动态GPS信号参数估计

高动态环境下,全球定位系统（GPS）信号具有较强的非线性特性,为了更好地对高动态条件下的GPS信号载波进行跟踪,提出了一种基于平方根UKF（SR-UKF）算法的高动态GPS信号参数估计方法。分析了高动态环境下GPS信号载波相位模型,运用SR-UKF算法对高动态GPS信号的载波相位及其前三阶导数进行估计。仿真对比了SR-UKF、不敏卡尔曼滤波（UKF,Unscented Kalman Filter）和扩展卡尔曼滤波（EKF）载波跟踪算法的性能。仿真结果表明,SR-UKF的估计精度要好于EKF,与UKF基本一致,验证了该算法的可靠性和有效性。     

基于UKF算法的惟方位单站无源跟踪

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。     

基于UKF算法的被动目标跟踪

对于单站的被动目标跟踪,在笛卡儿坐标系下建立跟踪模型,并用扩展的卡尔曼滤波(EKF)进行预测,得到的结果通常是不稳定且容易发散的。针对这种情况,提出了在修正的极坐标系下建立状态模型,摒弃传统的EKF算法,采用无迹卡尔曼滤波(UKF)算法,通过采样逼近非线性函数。数字仿真结果表明:在修正的极坐标中利用UKF算法得到的结果比EKF算法具有更快的收敛速度和更高的估计精度,且稳定性更好。     

基于UKF的反辐射导弹对移动辐射源的跟踪

传统的反辐射导弹打击的是地面固定雷达,目前正在研制的第三代反辐射导弹已经将预警机等移动辐射源作为打击目标,对目标精确打击的前提是对目标的精确跟踪。针对这一具体问题,选用UKF算法这一较新的非线性估计方法对目标的盘旋运动进行跟踪,此外,还从精度、收敛性、计算量等方面对UKF算法与EKF算法进行了比较。仿真结果显示：当初值和参数存在偏差时,UKF算法比传统的EKF算法具有明显的优势。     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

基于UKF的星载GNSS地球静止卫星定轨算法

针对星载GNSS接收机的采样间隔较长以及EKF处理非线性问题会引入线性化误差的问题,提出了利用UKF进行GEO星定轨计算的方法。依照GEO轨道动力学特性建立了状态模型,并对星载接收机进行了可见性分析,将UKF算法应用于接收机输出信息的处理。仿真结果表明该算法比EKF更适用于定轨计算,尤其当因采样间隔较长而使得系统非线性较强时,仍可保证定轨结果拥有较高的精度。     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

简化UKF在非合作式单站无源目标跟踪中的应用

根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF（simplified unscented kalman filter）算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。     

基于空频域信息的简化UKF算法研究

针对无源定位必须实现快速和稳定定位跟踪的要求,在传统定位方法基础上引入角度变化率和多普勒频率变化率信息;在此基础上提出了一种基于空频域信息的简化不敏卡尔曼滤波(UKF)算法并对其定位性能进行分析;仿真结果表明简化的UKF算法在大大降低运算量(和EKF算法相当)的同时能保持和标准UKF算法同样的定位性能并且要明显优于EKF算法;增加高精度的角度变化率和多普勒频率变化率信息能够显著改善定位性能.     

简化UKF在机载IRST系统被动测距中的应用

针对机载IRST系统被动测距问题,给出了一种简化的UKF(SUKF)算法。算法无需对状态变量进行扩维,对于线性状态方程使用了和卡尔曼滤波相同的时间更新方法,对于非线性测量方程保持了UKF的特征,既继承了UKF的优点又减小了算法的运算量。仿真结果表明,SUKF在测距精度和收敛速度上明显优于EKF,其性能与标准UKF相同但计算耗时少,适合于机载IRST系统被动测距的实时处理。