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。     

一种基于EPF滤波的三维单站无源定位算法研究

利用频率变化率、方位角及俯仰角信息,提出一种对固定辐射源的三维单站无源定位算法。该方法通过质点运动学原理,得出目标辐射源的位置,之后采用EPF滤波算法进行处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置。EPF（ExtendedParticleFilter）滤波是将EKF（ExtendedKalmanFilter）算法作为重要性函数的一种粒子滤波方法。仿真结果表明,基于EPF滤波的单站无源定位算法比传统的EKF滤波算法收敛更快、更稳定,滤波效果更好,定位精度更高,这对无源定位跟踪算法精度的提高和实际应用有很大的意义。     

使用插值法滤波的单站无源定位算法

综合利用到达方位角(DOA)和到达时间差(TDOA)等信息,建立单站无源定位系统的状态模型和观测模型,应用多维情形的二阶插值公式构造新型非线性滤波算法,而不需计算非线性函数的偏导,使得计算简化。仿真结果表明,用该算法可替代扩展卡尔曼滤波器(EKF)应用于单站无源定位中,能获得更为准确且收敛更快的定位结果。     

固定单站对运动辐射源的无源定位

固定单站对运动辐射源的无源定位是电子战领域的一个新课题。传统方法主要是利用到达方位角(DOA)信息对辐射源进行测向交叉定位,但由于该方法对测角精度的敏感性,仅利用DOA信息会导致定位精度低、算法收敛时间长等不良后果;文章详细分析了三维运动辐射源的特点,建立了一个数学模型,并结合方位角变化率采用基于MGEKF的定位算法,进行单站定位,这种算法提高了对运动辐射源目标的定位精度。     

扩展卡尔曼滤波在无源定位中的应用研究

阐述了卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)的原理和方法,建立了无源定位系统的状态模型和观测模型,推导了将非线性观测模型线性化,并利用EKF进行递推滤波估计的步骤和公式。通过计算机仿真,验证了运用EKF算法解决基于方位角及其变化率测量信息的无源定位方法,结果表明,运用EKF滤波算法,可以实现单观测站对运动目标的无源定位,初始状态估计误差对定位收敛的性能有较大影响。     

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。     

估计目标速度矢量对运动辐射源的 固定单站无源定位算法

针对无源定位必须实现快速和稳定定位跟踪的要求,本文提出了一种测量目标辐射源脉冲到达时间(TOA)、到达方向(DOA),以及方位角变化率,实现固定单站对三维运动辐射源的无源定位算法.该算法基于运动学原理,充分利用了辐射源信号测量值的时空变化量信息,定位收敛速度快而且非常稳定,具有很强的实用性.文章最后给出了计算机仿真结果.     

基于相位变化率的单站EKF无源定位算法研究

传统的无源定位方法主要是利用到达方位角（DOA）信息对雷达等辐射源进行测向交叉定位，但由于该方法对测角精度的敏感性，仅利用DOA信息会导致定位精度低，算法收敛时间长等不良后果。本文探讨了一种融入相位变化率（PRC）信息的推广卡尔曼滤波（EKF）算法，通过仿真，分析了DOA与PRC单独测量与联合测量对定位精度的影响，同时，将融入PRC信息的EKF定位算法与只测角定位算法进行了比较。     

基于测角信息的机动目标轨迹预测研究

在地面固定单站对机动目标的无源轨迹预测中,地面固定单站仪提供目标方位角和高低角信息,而没有提供目标距离信息.因此,目标飞行轨迹的预测只能依靠已有的角度信息进行.在无测距信息的情况下,根据匀加速运动和等高飞行2个弱条件假设,提出了仪利用测角系统测得的空中机动目标的高低角和方位角进行目标飞行轨迹预测的算法,并对算法进行了仿真测试.仿真试验结果表明该预测算法角度预测误差在毫弧度以下.     

电子对抗及其设备

0617937基于UKF算法的惟方位单站无源跟踪〔刊,中〕/郁亮//中国电子科学研究院学报.—2006,1(1).—89-92(G)单站无源跟踪问题本质上是非线性估计问题,使用传统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。参70617938GPS接收机码/载波跟踪环技术及其抗干扰能力分析〔刊,中〕/周坤芳//电子信息对抗技术.—2006,21(2).—36-39(G)0617939运动单站无源定位中的坐标转换矩阵的分析…     

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。     

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。     

基于后向平滑容积卡尔曼滤波的单站无源定位算法

单站无源定位跟踪是一个典型的非线性滤波问题,由于测量精度不高、初始误差较大等原因容易导致滤波算法定位精度低、收敛速度慢。本文将一种新型的滤波算法——容积卡尔曼滤波（cubature Kalman filter,CKF）应用于单站无源定位领域,并将后向平滑滤波思想与CKF算法相结合,提出了一种后向平滑容积卡尔曼滤波算法（backward-smoothing CKF,BSCKF）。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,并采用后向平滑值进行递归滤波,具有更优非线性估计性能。仿真实验表明,与EKF、UKF和CKF算法相比,BSCKF算法定位精度更高、收敛速度更快。      

单站无源定位技术研究

介绍了单站无源定位的原理以及基于频率信息的多普勒频率变化率测量,针对单站无源定位中对目标跟踪这样一个典型的非线性滤波问题,阐述了利用修正协方差的扩展卡尔曼滤波算法。     

电子对抗及其设备

0612427 基于相位变化率的单站EKF无源定位算法研究[刊, 中]／王建钢／／电子信息对抗技术．-2006,12(1)．- 26-29(G)     

对频率跳变辐射源的单站无源定位算法

放宽约束条件后的单站无源定位是一个值得研究的问题。本文利用方位角和频率观测信息,提出了一种对存在频率跳变和频率漂移固定辐射源的单站无源定位方法,给出了定位原理、定位误差的CRLB界以及基于最大似然估计的定位算法,并进行了计算机仿真,仿真结果证明了该定位方法的有效性。     

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法北大核心CSCD

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利用容积数值积分原则直接计算非线性随机函数的均值和方差,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。     

基于外辐射源雷达系统的目标定位算法

基于外辐射源的单站无源定位系统实际相当于收发分置的双基雷达,具有反侦察、抗干扰、反隐身和防反辐射导弹等潜在优势,因此利用外辐射源信号对目标进行无源定位和跟踪是目前国际上比较热门的一个研究课题。提出了一种基于外辐射源的单站无源定位系统的目标定位算法,借助信号到达的时间差和方位信息,对空中目标进行定位,并进行算法的推导、精度的分析,通过仿真验证了此定位算法的有效性。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,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.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文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,估计误差可以接近Cramer-Rao下界.