伪线性滤波在导弹纯方位跟踪中的应用

介绍伪线性卡尔曼滤波方法在导弹对目标进行纯方位跟踪中的应用,通过仿真证明了该方法在导弹对目标纯方位跟踪中的可行性;在对目标的纯方位跟踪时,导弹的机动轨迹是否最佳(或接近最佳)是很重要的,所以还对多种机动轨迹进行了分析,得出了导弹最佳机动的一般规则。     

粒子滤波器的优化及在纯方位跟踪中的应用

为了克服粒子滤波在应用中由于建议分布函数选择不合理导致粒子数减少进而使其状态量失去多样性的问题,提出了改进建议分布的混合粒子滤波方法(UKPF)。首先,在粒子滤波的基础上融合进扩展卡尔曼滤波及无迹卡尔曼滤波;然后,融合后的新算法在计算建议概率密度分布时,粒子的产生充分考虑当前时刻的量测,利用所提混合算法来加入最新的观测量并产生粒子滤波的建议分布;最后,使得粒子的分布更加接近状态的后验概率密度,最大化地实现其滤波性能。仿真结果表明:对于纯方位跟踪问题,所提算法不仅解决了EKF的线性化损失问题及UKF在解决一般非高斯问题中建模的困难,而且与PF等粒子滤波器相比,具有更高的跟踪精度。     

纯方位运动目标的跟踪估计算法

针对纯方位运动目标分析问题，建立了带乘性噪声的状态空间模型，推导出了在线性最小方差意义下的目标状态最优递推估计算法，并通过算法的误差分析讨论了模型的各种随机干扰的统计参数及估计算法初值的选取。     

基于地形信息约束的地面目标纯方位跟踪方法

基于改进纯方位跟踪一般方法的不稳定性,结合地形信息约束建立目标运动模型,提出一种带量测噪声的多方位测量的机动目标跟踪方法,在充分挖掘地形信息的基础上,引入伪测量并将其结合到目标状态方程和量测方程中,以改进量测信息的不连续性;然后,采用改进粒子滤波对受限运动目标的状态进行估计;最后进行的仿真分析表明,文中的方法不仅可以降低对观测者机动性的要求,而且可以提高目标状态估计的可观测性和跟踪精度.     

双机协同纯方位目标跟踪研究

根据双机被动传感器接收到的空中目标俯仰角和方位角,利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了双机协同对目标作纯方位跟踪的数学模型,在对EKF,UKF,PF几种代表性的非线性滤波算法进行理论分析、仿真比较的基础上,得出EKF更适合应用于双机协同纯方位目标跟踪的结论。采用EKF对四个场景进行Monte—Carlo仿真,结果表明：经过大约50S,距离误差曲线收敛于2．5km,速度误差曲线则逐渐收敛于零,该算法具有较好的稳定性和估计精度。对不同场景的仿真结果分析表明：双机分别作直线运动和蛇行机动的纯方位目标跟踪效果优于同时作直线运动,也优于同时作蛇行机动。     

双基阵纯方位水下被动目标的跟踪算法

双基阵纯方位水下被动目标的跟踪算法,以带拖曳阵声纳的潜艇为模型,将双基阵跟踪转化为随机跳动的特殊单基阵跟踪.当潜艇利用双基阵进行目标跟踪时,把双基阵跟踪等效成单站跟踪,再采用伪线性估计器对目标的运动要素进行解算.仿真结果表明该方法对目标和潜艇的运动态势有很强的适应能力.     

高机动雷达方位标定方法

雷达探测方位精度是系统的重要性能指标,方位标定精度是雷达探测方位精度提高的前提,从高机动雷达方位标定的设计要求出发,介绍了雷达方位标定的方法以及各种方法的优缺点,并在此基础上总结了方位标定的设计步骤,并进行了寻北仪标定和GPS标定相结合的雷达方位标定系统设计,在满足高机动雷达使用要求的前提下,提高了方位标定的使用可靠度,对今后雷达的方位标定设计都具有一定的参考意义。     

基于改进SIRF的二维纯方位目标跟踪

对于纯方位目标跟踪问题,传统的线性算法已经不能满足非线性非高斯和实时性目标跟踪的要求,由于在纯方位目标跟踪中传统的粒子滤波收敛速度慢并且容易发散,文中提出了一种基于改进的采样-重要性-重采样滤波(SIRF)算法的纯方位跟踪算法。具体的改进方法就是去掉归一化步骤直接使用非归一化权值,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。最后通过实验验证改进的SIRF算法跟踪效果明显优于高斯粒子滤波(GPF)算法。     

修正极坐标系纯方位跟踪算法分析与改进

通过修正极坐标系(MP)的广义卡尔曼滤波,提出了一种探测水中目标位置及其他各项运动参数的估计方法.基于广义卡尔曼滤波算法,设计了舰船以"Z"形路线追踪目标的纯方位跟踪模式;根据舰船的运动特点,改进算法实现了对存在机动行为的目标进行有效跟踪.仿真结果表明该方法稳定性强,对测量精度要求低并可用于跟踪机动目标.     

基于修正输入估计的机动目标无源跟踪

文中将修正的输入估计算法和伪线性滤波算法相结合,提出了一种对机动目标进行自适应纯方位跟踪的新算法,该算法将未知的输入向量作为新的元素补充到原来的目标状态向量中得到新的扩维状态向量,然后在只有角度测量数据的情况下利用伪线性滤波算法对原来的目标状态向量和新增的目标加速度向量同时进行估计。仿真结果表明,该算法可适应目标机动和非机动两种工作模式,能够实现对机动目标的自适应纯方位跟踪。     

纯方位系统单目标定位与跟踪的拟线性估计器

对仅有方位量测的被动目标跟踪问题建立了一种拟线性时变模型，利用增广卡尔曼滤波讨论了可测性，给出了它的滤波解、离散系统及其解析解，本模型不需要任何初始估计；对算法进行了蒙特卡罗仿真试验，给出了不同噪音水平下4种典型态势的仿真结果。     

利用最小二乘滤波器群的纯方位目标参数估计器

提出了一种利用基于距离参数的最小二乘法波器群的纯方位跟踪目标参数估计器，该估计器是由若干个处地不同的距离区间上的加权最小二乘滤波器组成。通过假设预测方位和实测方位差值服从零均值的高斯分布，利用贝叶斯理论来修正各滤波器的权重。每获得一个量测方位值，各个滤波器的权重将修正一次，且各个滤波器的权重之和应为1，当其权重小于某一阈值时，则该滤波器停止工作，最终剩余的滤波器将给出准确的目标参数的估计值。计算机模拟计算表明该方法在收敛速度、收敛率和稳定性方面明显化于扩展的卡尔曼滤波器和最小二乘法波器。     

一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

一种机器人轨迹跟踪的迭代学习控制方法

针对机器人轨迹跟踪问题,提出了一种带遗忘因子的迭代学习控制算法.给出了学习算法收敛的充分条件,该算法在不改变学习控制器结构的前提下,对要求跟踪的新的期望轨迹,利用系统的历史控制经验,合适地选择了初始控制输入,使系统的输出能尽快地收敛于新的期望轨迹,从而达到了改善系统跟踪性能的目的.仿真结果表明了该方案的有效性.     

纯方位目标运动分析数学模型

对传统的纯方位目标运动分析数学模型进行了细致的研究，发现其解算效果差的症结．提出了若干解决办法，并经模拟计算和实验验证。     

几种非线性滤波只测角跟踪性能评估

为综合分析非线性滤波在只测角跟踪应用中的性能,文中给出了二维空间动态系统估计的克拉美罗界递推形式,对扩展Kalman滤波(EKF)、转换瑞利滤波(SRF)、无迹Kalman滤波(UKF)、容积Kalman滤波(CKF)和粒子滤波(PF)进行了实验仿真研究。结果表明CKF和PF可以获得高于其他滤波的精度,CKF的运算量又远低于PF,CKF可以获得精度和时效性的有效折衷。     

图像序列中多目标跟踪方法

介绍了一种以目标形心位置和帧间位移测量的多目标跟踪方法。当目标在传感器视场中交叉运动,图像相互重叠时,得到由两个目标形心位置线性组合的融合后的图象测量方程。图像的重叠导致状态估值误差的相互依赖性,利用联合测量耦合滤波器对两个目标进行状态估值,并提出了改进的滤波模型。仿真结果表明,该算法能实现对交叉运动目标进行精确跟踪。     

一种快速目标的图像跟踪综合算法

本文针对空中快速目标,提出了一种图像跟踪综合算法,解决了一系列由于跟踪环境、时间、对象的变化而给图像序列处理造成的困难,简单且有效地实现了在复杂空情下对运动目标的跟踪。     

基于最佳线性无偏估计的双基地雷达走位方法

利用坐标转换后的伪测量值，根据最佳线性无偏估计原理，提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式，在不同噪声条件下对算法进行仿真计算，结果表明该方法可以显著提高双基地雷达目标的定位精度，其理论下限和仿真结果都明显优于最小二乘方法。     

数字角跟踪系统设计

本文介绍了一种根据现代角跟踪理论设计的空-空导弹数字角跟踪系统及其设计过程,叙述了该系统的特点、结构及工作原理。该系统中的比较、转换、计算均已数字化,精度大为提高。文中给出了各功能模块的设计框图和工作原理图。