基于交互式多模型的水下机动目标跟踪

为了解决水下机动目标跟踪的实时性和可靠性问题,在交互式多模型(IMM)的框架下对水下机动目标跟踪进行了分析,建立了目标运动方程和观测方程。交互式多模型滤波算法的选择直接影响到跟踪的精度,在跟踪滤波方面,针对交互式多模型滤波过程中观测方程非线性对滤波性能的影响,分别将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)2种滤波算法与交互式多模型算法相结合。仿真结果表明,交互式多模型算法与UKF算法结合的滤波精度更高,能够更有效、可靠地达到跟踪机动目标的目的。     

固定观测站对运动辐射源定位的IEKF算法及仿真

基于到达方位角(DOA)和到达时间差(DTOA)等观测信息,实现了单个固定观测站对运动辐射源无源定位和跟踪。为克服扩展卡尔曼滤波(EKF)算法线性化过程对预测误差放大,导致定位结果发散或不稳定的缺陷,引出了迭代扩展卡尔曼滤波(IEKF)算法。在获得某个预测值后,通过多次更新状态估计,使之逐渐拟合当前观测量,以提高目标状态估计的精度。仿真结果表明,在一定的观测误差条件下,IEKF算法比EKF算的定位跟踪收敛速度更快、精度更高。     

强跟踪UKF 在高动态组合导航中的应用

为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF) 算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。 分析结果表明：该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航 的准确性和稳定性。     

基于纯方位角测量的水下目标被动跟踪技术

水下目标的被动跟踪技术在军事上具有重要的应用价值,为了解决基于纯方位角测量的水下目标被动跟踪技术在实际应用中的问题,研究了几种适合于单、双观测站的水下目标被动跟踪算法.分别对伪线性估计算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法在不同参数情况下的性能进行了详细的仿真与分析.仿真结果表明,静止单观测站虽不能获得目标的完全观测,但是在具有一定先验信息的情况下,伪线性估计算法也可以实现对目标轨迹的估计;双观测站可以获得对目标的完全观测,并且在观测方程严重非线性的情况下,无迹卡尔曼滤波方法的性能要优于扩展卡尔曼滤波方法.仿真结果对工程应用具有重要的参考价值.     

一种基于方位-TDOA估计的脉冲声源被动定位算法

针对水下运动脉冲信号的探测问题,研究了一种基于方位-TDOA(到达时间差)估计的被动定位算法。该算法测量目标的方位角和信号到达的时间差,通过卡尔曼滤波算法,实现对水下运动脉冲源的参数估计。结合脉冲信号的特征,论文给出了方位-TDOA卡尔曼滤波递推公式。仿真分析表明,该算法能通过平面阵实现对水下未知深度脉冲声源定位。     

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。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

基于首达波与次达波到达时差的深海浅层移动声源定位

为克服海洋环境不确定性、信号接收及处理偶然误差对定位精度的影响,基于单水听器多途声到达时差,利用扩展卡尔曼滤波（EKF）算法对深海浅层移动声源进行定位研究。结合Butterworth带 通滤波算法及Bellhop射线模型识别水声试验数据中的多途到达波,对比分析各到达波间的相对能量大小,并确定信噪比较大的首达波与次达波为研究对象;以单频信号作为匹配序列,计算时域相关性大小,得到首达波与次达波的声到达时差;以首达波与次达波的声到达时差为观测值,构建EKF声源定位模型,得到移动声源的深度、水平距离及速度等信息。研究结果表明：在深海水声信道中,当声源和水听器都位于浅表水层时,直达波与海面反射波重合,首达波与第1次 海底反射波能量相对较大;滤波结果与实测数据吻合较好,验证了EKF算法可较好地实现对水下移动目标定位。     

基于多普勒信息的炮位侦校雷达外推算法研究

针对一定条件下炮位侦校雷达定位精度偏低、引导射击能力偏弱的问题,考虑到随着新型炮位侦校雷达技术的发展,所测量的多普勒信息已具有较高的精度,提出将多普勒信息应用到观测模型中。结合无迹卡尔曼滤波,并将弹道系数引入状态变量,建立了基于多普勒信息的七维状态向量无迹卡尔曼滤波算法(七态DB-UKF算法)。理论分析与实验表明,该方法有效利用了雷达的多普勒测量信息,能够有效抑制估计误差,提高参数估计精度,进而提高了外推弹丸的落点精度。     

基于水下运动平台的磁性目标跟踪与特征反演

传统的磁梯度张量定位方法大多基于单磁偶极子模型,对具有一定尺度的目标存在定位精度不足的问题,而且易受环境噪声以及测量精度的影响,尤其是在偶极子特征平面上,微小的扰动或者观测精度不足就会导致定位结果发生较大的偏差。针对上述问题,基于多个偶极子的组合模型,结合具有鲁棒性的无迹卡尔曼滤波算法,提出一种针对尺度磁性目标的磁梯度跟踪方法。该方法能够有效提高磁性尺度目标的定位精度,特别当出现异常观测时仍然可以准确定位目标。以水雷或者水下未爆弹等目标的识别为例,根据鲁棒无迹卡尔曼算法得到的偶极子分布状态,结合主成分分析算法的数学含义,设计了一种可以准确反演目标的主尺度特征以及结构特征的目标尺度反演算法。该算法可识别目标主尺度为线结构或者面结构,对目标主尺度反演误差小于0.3 m,对目标主尺度方向的反演误差小于2°,可为目标种类判别提供参考。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

一种改进的UKF非线性滤波器研究

针对无味卡尔曼滤波器(UKF)存在的缺陷,提出一种能对多通道数据进行渐消的带多重次优渐消因子的UKF滤波算法(SMFUKF)。该方法基于强跟踪滤波器的概念,通过引入多重次优渐消因子到UKF滤波器,自适应的在线调整UKF滤波器的状态预测误差协方差矩阵、量测预测协方差阵、状态和量测之间的互协方差阵及相应的增益矩阵,从而达到对快速变化的状态进行强有力的跟踪。实验结果表明多重次优渐消因子的引人使得UKF滤波器有可能更多的利用系统的先验知识,SMFUKF滤波器对快速变化的状态将具有更强的跟踪能力。     

舰载武器SINS非线性传递对准模型及滤波算法

为了满足舰载武器初始对准高精度和快速性的要求,更好地解决舰载武器在大失准角情况下的传递对准问题,提出了一种结合基于四元数的非线性传递对准模型与非线性无迹卡尔曼滤波（UKF）算法的方法,推导并建立了舰载武器捷联惯导系统（SINS）的非线性误差模型。该模型采用姿态四元数表示姿态误差,以提高姿态解算时的快速性和精度,选用速度加姿态作为量测量,以提高系统的可观测性,采用奇异值分解（SVD）方法解决了方差阵的病态问题,以确保算法的鲁棒性,仿真结果表明,该方法不仅解决了舰载武器在大失准角情况下的传递对准问题,而且能够有效提高传递对准的精度和快速性,其计算精度和对准时间满足系统设计要求。     

基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别

为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度（PHD）滤波的多目标跟踪与基于无迹Kalman滤波（UKF）的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型（匀速直线与匀速转弯模型）,针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。     

UKF滤波在INS/无源北斗组合导航系统中的应用

为解决无源北斗量测方程的非线性问题,提出将Unscented卡尔曼滤波(UKF)用于惯性导航系统(INS)/无源北斗组合导航系统,避免了利用传统的泰勒展开式逼近法对量测方程进行线性化处理所带来的截断误差.仿真结果表明,UKF方法有效地解决了卡尔曼滤波中系统量测方程的非线性问题,并使INS/无源北斗组合导航系统的导航精度得到大幅提高.     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

一种基于改进无迹卡尔曼滤波的自主水下航行器组合导航方法研究

针对自主水下航行器(AUV)导航系统对稳定性、精确性和实时性的需求,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的捷联惯性导航系统/多普勒测速仪(SINS/DVL)组合导航新方法.通过分析中低精度组合导航系统的特点和误差模型,在系统的噪声模型为复杂加性噪声时,利用球面分布单形采样变换设计了一种简化UKF组合导航算法....