共查询到18条相似文献,搜索用时 140 毫秒
1.
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。 相似文献
2.
3.
4.
5.
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. 相似文献
6.
7.
8.
9.
10.
介绍了单站相位差变化率无源定位原理.针对单站无源定位参数测量精度低、初始估计误差大引起的定位精度低,收敛速度慢的问题,引入平方根中心差分卡尔曼滤波(SRCDKF)算法.该算法使用协方差矩阵的平方根进行滤波估计,可以降低计算复杂度,保证数值稳定性.仿真结果表明,SRCDKF算法与扩展卡尔曼及其衍生滤波和无迹卡尔曼滤波等算法相比,其定位精度高、收敛速度快、数值稳定性佳,对工程应用具有一定的参考价值. 相似文献
11.
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。 相似文献
12.
13.
机载无源定位是电子侦察中的一项重要任务。针对实际工程特点,提出了一种鲁棒的基于相位差测量的机载单站无源定位算法。通过测量目标信号的方位角和相位差,利用卡尔曼滤波模型计算相位差变化率并对目标进行测距定位,最后将多次的定位结果进行交互多模滤波融合,实现对目标的高精确度定位。给出了计算相位差变化率的滤波模型、目标定位算法,以及交互多模滤波的融合定位过程。仿真实验中采用STK仿真软件生成机载平台的位置数据和目标信号入射方位角及相位差数据,分析了目标定位的效果及性能。最后给出了一些工程实践性的建议,具有一定的工程参考意义。 相似文献
14.
基于SMSS-UKF的机载单站无源定位算法 总被引:1,自引:0,他引:1
基于机载单站无源定位中常用的扩展卡尔曼滤波具有近似线性方程的雅可比矩阵计算困难、不敏卡尔曼滤波(UKF)具有计算量较大的问题,提出了基于改进的变尺度最小斜度不敏卡尔曼滤波(SMSS-UKF)的机载单站无源定位算法,该方法采用最小斜度采样策略进行Sigma 点采样,减少Sigma点提高计算效率,利用变尺度不敏变换克服了采样点非局部效应问题。同时,针对大部分定位跟踪模型中状态方程为线性方程的特点,依据在线性状态方程情况下的贝叶斯理论,运用卡尔曼滤波状态预测的方法进行UKF的最优状态预测,使状态预测避免了不敏变换的数值近似误差和Sigma采样点计算的复杂性,提高了算法的运行效率和滤波精度。仿真实验的结果证明了SMSS-UKF滤波算法的有效性。 相似文献
15.
民航地空通信受到无线电干扰会严重危及民航飞机的正常飞行,本文在深入研究利用接收飞机散射信号的多普勒频移信息定位地面干扰源方法的基础上,提出基于高斯近似粒子滤波(GAPF)的定位算法。本文的主要贡献可以总结为:第一,对多普勒频移与干扰源坐标之间非线性关系进行深入研究,构建状态方程及观测方程。第二,考虑更能准确描述散射信道模型的对称alpha稳定分布(SaS)噪声作为叠加的背景噪声,并提出 噪声下的高斯近似粒子滤波算法。计算机仿真实验表明,与扩展卡尔曼滤波(EKF)及无迹卡尔曼滤波(UKF)算法相比,本文算法的估计性能优势明显,并且对SaS噪声具有较强的鲁棒性。 相似文献
16.
基于角度约束采样的单站无源定位混合粒子滤波算法 总被引:1,自引:0,他引:1
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。 相似文献
17.
多站无源跟踪量测方程非线性强,对跟踪算法的稳定性及精度提出了更高的要求。为实现稳定高精度跟踪,提出了新的基于边缘化卡尔曼滤波(MKF)的多机无源跟踪算法。该算法将非线性的量测方程表示为p阶Hermite多项式的加权和,将加权矩阵的先验分布建模为高斯过程,求得其后验分布后对其进行积分来消除加权矩阵的影响,最终可得对状态及其协方差矩阵估计的闭式解。以只测角跟踪为例对所提算法性能进行验证,仿真结果表明,相对于扩展卡尔曼滤波(EKF)算法、不敏卡尔曼滤波(UKF)算法及容积卡尔曼滤波(CKF)算法,所提算法具有更好的跟踪性能。 相似文献