自适应渐消UKF算法及其在仅测角被动定位中的应用

针对仅测角被动定位受多径、镜像和干扰源影响,噪声无法准确建模,传统EKF及其改进滤波算法容易发散的问题,将自适应渐消因子引入UKF算法中,调整滤波增益以及状态误差协方差矩阵,提出一种自适应渐消UKF算法,给出了具体的计算流程。仿真了不同雷达诱饵布置干扰下滤波算法的稳定性。仿真结果表明,与传统的EKF以及自适应渐消EKF算法相比,该算法收敛速度更快,稳定性更好。     

牵伸罗拉的制造与安装对成纱质量的影响

罗拉是细纱机上的主要专件之一,它和钢令,锭子等组装在细纱机上,使纱条完成牵伸、加捻、卷挠,而成为我们需要的纱。罗拉的作用是利用前、后两对速度不同的罗拉,同皮辊、皮圈等组成牵伸装置,在适当压力下,充分拑制纤维,将进入牵伸装置的纱条进行均匀牵伸、将其拉长、抽细。     

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。     

一种高斯分布的调整粒子滤波算法

粒子滤波(PF)方法与传统的非线性滤波方法如扩展卡尔曼(EKF)类方法相比,无需计算Jacobi矩阵,受初始状态影响小而稳定性强,因此粒子滤波方法研究成为非线性滤波研究的热点问题.但在可观测性较差的非线性系统滤波中常用的普通粒子滤波方法(GPF)易受退化、采样枯竭等因素影响而在可能会引起滤波误差大甚至不收敛等问题.本文提出了一种高斯分布的调整粒子滤波跟踪算法,即在粒子再采样后加上一定的高斯噪声分布调整粒子分布,以产生更接近真实状态的粒子.经过只测角定位跟踪举例仿真表明,本文方法具有较高的滤波精度.     

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.     

基于互质阵列的运动单站信号直接定位方法

信号直接定位方法是一种新型无源定位体制,具有适应低信噪比、无需参数关联等优势。为适应复杂电磁环境,该文提出了一种基于互质阵列的运动单站信号直接定位方法。以典型窄带信号为例,该文首先构建了互质阵列截获信号模型,然后推导了其差分共性阵对应的等效信号数学模型,最后使用空间谱技术构建了直接定位代价函数,实现了定位。经仿真分析验证,采用相同互质阵列时,该方法在分辨率和精度稍有损失的情况下可大幅提升传统直接定位方法的自由度,且与基于均匀线阵的直接定位方法相比,该方法在自由度、分辨率和定位精度等方面都具有优势。      

基于旋转干涉仪模糊相位差的多假设NLS定位算法

针对传统长基线干涉仪(LBI)定位系统通常需要多个接收通道的缺点,该文提出了一种基于旋转LBI模糊相位差的定位新体制,最少只需两个接收通道即可实现快速、高精度、无模糊定位。针对相位差模糊导致的强非线性问题,提出了一种多假设非线性最小二乘定位算法,给出了算法的实现流程,从理论上分析了子区域宽度的选择依据。该算法计算量小、解定位模糊的能力强,定位精度能够达到克拉美罗下限(CRLB)。计算机仿真实验验证了该文定位体制的可行性以及算法性能的优越性。     

基于距离参数化的双机时差递推定位方法

双机仅测时差定位系统具有系统结构简单、定位精度高的特点。对不当的滤波初始化易造成的扩展卡尔曼滤波器（EKF）的滤波发散问题,该文提出了一种基于时差测量的距离参数化（RP）方法。该方法利用时差得到一组滤波初始化值,结合EKF,提出了双机时差测量的距离参数化扩展卡尔曼滤波（RPEKF）递推定位方法。仿真结果表明,该文的定位...     

双/多机测角频差定位算法研究

对固定辐射源的快速高精度定位是机载无源定位系统的重要任务之一,而双/多机测角频差定位体制是实现该任务的一种新途径.针对该定位体制,提出了一种快速有效的定位解算方法,解决了单次观测条件下的定位问题.该方法首先基于各机测得的方位角、俯仰角,采用伪线性法粗略估计辐射源位置;然后以此为初始值,采用高斯-牛顿迭代法,综合利用频差、方位角及俯仰角信息,精确估计辐射源位置.在单次观测定位的基础上,引入了批处理加权最小二乘融合算法及序贯加权最小二乘融合算法,实现了多次观测定位结果的有效融合.最后,进行了计算机仿真,结果表明:本文给出的单次定位解算方法及多次定位融合算法具有良好的性能,当观测误差不太大且服从高斯分布时,它们对应的辐射源位置估计精度能够很好地逼近克拉美罗限.     

一种高斯分布的调整粒子滤波算法

粒子滤波(PF)方法与传统的非线性滤波方法如扩展卡尔曼(EKF)类方法相比,无需计算Jacobi矩阵,受初始状态影响小而稳定性强,因此粒子滤波方法研究成为非线性滤波研究的热点问题.但在可观测性较差的非线性系统滤波中常用的普通粒子滤波方法(GPF)易受退化、采样枯竭等因素影响而在可能会引起滤波误差大甚至不收敛等问题.本文提出了一种高斯分布的调整粒子滤波跟踪算法,即在粒子再采样后加上一定的高斯噪声分布调整粒子分布,以产生更接近真实状态的粒子.经过只测角定位跟踪举例仿真表明,本文方法具有较高的滤波精度.