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.     

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。     

基于空频域信息的改进UKF算法研究

固定单站无源定位系统面临着可观测性弱、初始误差大的问题,为了实现稳定高精度定位,在定位模型中引入角度变化率和多普勒频率变化率信息,并在此基础上提出了一种基于空频域信息的改进不敏卡尔曼滤波(UKF)算法.该算法利用两次观测时刻之间的间隔,根据当前时刻定位结果,通过后向平滑算法平滑估计前一时刻状态向量和协方差矩阵的估计值,...     

基于多信息融合的无源定位算法

为了综合利用各种观测信息,提高目标定位精度,提出了根据测量目标方位角,来波相位差变化率和多普勒频率变化率等多种信息,进行融合卡尔曼滤波(EKF)的无源定位算法。此算法显著提高了目标跟踪定位的收敛速度和精度。在对其定位原理和算法进行分析讨论后,进一步通过计算机仿真结果验证了这种算法的有效性。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,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,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该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,估计误差更接近Cramer-Rao下界。     

基于EKF算法的单站无源定位研究

针对单站无源定位系统中观测方程非线性的特点,不能直接使用卡尔曼滤波估计,因而提出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法;以方向角和方向角变化率为观测量,建立了EKF算法模型;仿真结果表明EKF算法适用于非线性系统,具有收敛速度快,定位精度高的特点。     

基于多普勒频率变化率的固定单站定位算法研究

针对传统无源定位系统中定位精度差、收敛速度慢的特点,研究了基于多普勒频率变化率的定位原理,建立了基于多普勒频率变化率的固定单站对运动目标的定位模型,并结合修正增益的扩展卡尔曼滤波算法对定位数据进行处理,得到了较高精度的定位数据,通过试验仿真重点分析了基于多普勒频率变化率单站定位跟踪精度的影响因子,并验证了基于多普勒频率变化率的单站定位跟踪算法的有效性和稳定性。     

基于EKF算法的单站无源定位跟踪研究

针对无源单站定位系统中观测方程非线性的特点,给出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法。以方位角和方位角变化率为观测量,建立了EKF算法模型。仿真结果表明EKF算法具有收敛速度快,定位精度高的特点,可以提供高精度的单站无源定位跟踪结果。     

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。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF（Extended Kalman Filter）滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,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,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF（Unscented Kalman Filter）以及一般混合粒子滤波算法的仿真比较表明,该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,估计误差更接近Cramer—Rao下界。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

机载单站对机动目标无源定位与跟踪

机载无源探测定位技术是机载电子对抗中的一个重要的研究领域。针对空间机动目标,建立了机载单站无源定位的三维模型。基于传统测量相位差变化率的方法,增加了多普勒及其变化率信息,探讨了其定位原理,重新推导了定位公式;给出了其中的预处理过程和系统状态方程,并引入了可调白噪声UKF滤波算法以提高对机动目标的跟踪定位精度和收敛速度。通过计算机仿真,验证了该方法的正确性及有效性。     

基于UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。     

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。      

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。     

基于UKF的移动信标辅助节点定位算法

常用的节点定位方法通常要求较多的信标节点,因此容易造成资源浪费.提出一种基于目标跟踪的移动信标辅助节点定位算法,信标节点在移动过程中周期性地发布自身位置信息,未知节点首先获取自身位置的近似估计,然后再利用无迹卡尔曼滤波(UKF)方法对移动信标进行跟踪,并完成进一步位置求精.在该算法中,未知节点之间无需相互通信,降低了能...