基于多个多普勒雷达的加速度和速度估计

目标的加速度估计在自适应目标跟踪算法中具有十分重要的作用。文中通过推导多普勒速度观测量和笛卡尔坐标系下加速度的关系,利用多个多普勒雷达的观测量,将目标的加速度估计转换为一个线性加权最小二乘问题。同理,此方法可以推广到目标速度估计问题中。通过仿真实验表明,文中方法能准确及时的估计出目标的加速度和速度。     

一种新的基于快速功控的多普勒估计

针对采用快速功控的移动通信系统提出了一种简便的多普勒估计方法。该方法利用功控后的接收信号电平的平稳性与最大多普勒频移有密切关系这一特点，通过测量接收信号电平的平稳性估计多普勒频移。文中在单径瑞利衰落信道条件下对这一方法进行了仿真验证，并同文献中提出的COV方法进行了比较，仿真结果表明在信道变化不是太快时本方案有较好的估计精度。     

脉冲压缩雷达距离多普勒耦合对测距影响分析

根据线性调频脉冲及其匹配滤波器的时域和频域特性,首先从原理上分析了线性调频雷达脉冲回波信号由于多普勒距离耦合的影响,经过匹配滤波器后产生附加延时而引起的测距误差.然后给出了距离多普勒耦合的雷达距离修正公式,并通过仿真和雷达实际跟踪数据对雷达距离修正公式进行了验证.最后给出了工程应用中校正脉压网络固定延迟、脉压网络输入端线性调频脉冲信号多普勒频率的变化以及正或负斜率线性调频脉冲信号等方面应注意的问题.     

距离多普勒耦合效应对雷达测距精度的影响分析及解决

从线性调频雷达脉冲压缩原理入手，详细分析了距离多普勒耦合效应对雷达测距精度的影响。 介绍了补偿的基本方法，并给出了补偿前后的对比曲线。     

多普勒耦合下的TOA多目标跟踪

在一些发射窄带信号的声呐系统中,由于多普勒维度的分辨率较低,因此该类系统无法提供性能较好的多普勒信息。而在此情况下可以获得精度较高的信号到达时间(Time of Arrival, TOA)估计。此外,在某些多普勒容错信号如线性调频信号中,往往会出现距离 多普勒耦合(Range Doppler Coupling, RDC TOA)现象。本文将距离 多普勒耦合现象建模至目标量测模型中,并且利用迭代的多目标多伯努利(Multi object Multi Bernoulli, MeMBer)滤波器完成多站被动声呐系统基于TOA量测的目标跟踪。仿真结果证明了本文所提出算法的性能。      

基于窄带测距信息的空间目标微动特征检测与估计

微动目标被线性调频信号照射时,由于距离-多普勒耦合效应,微多普勒的存在会使得目标测量距离发生偏差。该文以匀速转动目标为例,从理论上证明了这种测距偏差随时间呈正弦规律变化,并且可以被跟踪雷达所观测。在此基础上,针对窄带跟踪雷达系统,提出了一种目标微动特征检测与参数估计的新方法,以空间目标精密跟踪雷达的典型参数为依据,设计了仿真实验和暗室动态测量实验,分析结果证明了该文的观点以及检测与估计方法的有效性。     

基于高分辨距离像的弹道目标尺寸综合估计方法

利用高分辨距离像估计目标尺寸是弹道导弹中段防御雷达目标特征提取和识别的重要途径.文中介绍了经典的谱估计方法及其实现流程,在此基础上提出了一种综合估计方法,该方法将傅里叶变换和超分辨方法相结合,充分利用两者的优点,有效解决了单个谱估计方法无法同时提高模型阶数估计精度和散射点位置估计精度的问题.最后给出了基于仿真数据的目标尺寸估计仿真结果,通过估计精度的比较,验证了文中方法的有效性.     

基于多普勒谱特征分析的舰船长度估计

当前,各国越来越重视发展和保护本国的海洋权益,利用宽带雷达获取舰船目标的高分辨距离像并进行舰船类型识别逐步成为研究热点。船长是舰船的重要特征信息,对于判定舰船的类型和威胁等级具有重要意义。由于海杂波的时变和复杂性,利用信噪比门限方法确定距离像中舰船目标的边界并估计船长是不稳健的。从舰船类大刚体目标与海表面的运动特征差异出发,详细阐述了基于高分辨距离像多普勒谱分析的舰船长度估计方法,对不含目标距离单元和含目标距离单元多普勒谱的特征差异进行分析。提出分别利用多普勒谱的归一化波形熵特征和距离滑窗内距离单元的多普勒中心频率的均方差特征判定距离单元中目标的有无,实验结果证明了所提方法的有效性。     

基于距离Keystone变换的改进的多普勒调频率估计方法

多普勒调频率估计是SAR成像处理中的一个重要步骤。针对聚束、滑动聚束SAR采用全孔径算法进行成像时的调频率估计问题,该文提出一种改进的平移相关(SAC)算法。将距离Keystone变换引入到SAC算法中,去除了互相关峰值位置与目标距离间的耦合关系,从而消除了聚焦深度的限制。由于没有时域补零操作,调频率估计过程中将会出现模糊,针对此,给出了一种基于最小熵准则的模糊数估计方法。仿真及实测数据处理结果验证了所提方法的有效性。     

衰落信道基于卡尔曼滤波的信噪比估计

无线通信场景中,由于复杂的电磁环境及移动通信双方之间的相对运动,使无线信道存在着严重的多径衰落及多普勒效应.信噪比是通信信道的重要衡量指标,直接指导通信策略的制定.针对多径衰落信道条件,提出基于卡尔曼滤波辅助的信噪比估计算法,利用卡尔曼滤波的方法对信道进行平滑,之后选取合适的长度进行信噪比估计.最后针对不同信道条件下信...     

交互式多区域模型

一种被称为交互式多区域模型(IMRM)的非线性滤波算法被提出,用于对状态和连续系统参数进行联合估计.IMRM将连续的系统参数空间视为由若干子区域所构成的集合,并将每个子区域分别分配给一个子模型.IM-RM使用一组子滤波器并行滤波.在每一时刻,IMRM利用交互操作计算各子模型的混合初始化环境,之后各子滤波器在假设系统参数跳变到特定子区域的前提下,对状态和系统参数进行估计.为了有效地应用IMRM,提出了一种基于无迹变换的交互式多区域模型(UT-IMRM)算法.UT-IMRM对每个子模型使用无迹卡尔曼滤波器(UKF)进行滤波.在目标跟踪实验中对UT-IMRM性能进行测试.实验结果显示当系统参数不属于IMM模型集合时,UT-IMRM能够比IMM获得更好的估计性能.     

ECEF坐标系弹道导弹跟踪研究

针对单模型跟踪算法无法实现对弹道导弹连续精确跟踪的问题,提出了一种地心地固坐标系下弹道导弹全阶段连续跟踪的交互式多模型(IMM)算法。根据导弹不同飞行阶段的受力情况建立IMM算法的两个滤波模型集:助推段采用恒轴向力模型,中段、再入段采用被动段跟踪模型,两个模型都利用滤波精度高、数值稳定性较好的求容积卡尔曼滤波算法进行滤波。针对该IMM算法在混合估计过程中引入偏差的问题,采用无偏混合的方法,以两种典型的跟踪场景进行仿真校验,实验结果验证了该文算法的优越性。     

一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

基于星敏感器和陀螺的卫星定姿新方法

针对本体坐标系下对卫星姿态进行线性滤波存在误差累积和噪声分布改变无法正确选择滤波模型的问题,利用惯性坐标系下的星敏感器和陀螺原始测量构建系统扩维测量,将卫星姿态确定问题建模为非线性滤波过程。针对常用的非线性滤波方法无法同时兼顾精度和实时性的问题,采用无迹滤波(UKF)对卫星的姿态参数和陀螺常值漂移同时进行估计,实现了对卫星精确定姿。进一步考虑实际情况中,敏感器测量误差未知或随时间变化的情况,提出了交互式多模型无迹滤波(IMMUKF)方法。仿真实验结果表明了该算法的有效性和优越性,具有较高的实际应用价值。     

基于粒子优化的多模型粒子滤波算法

针对模型信息引入粒子采样过程中导致用于逼近当前时刻真实状态与模型的粒子数减少问题,本文给出了一种基于粒子优化的多模型粒子滤波算法．在算法实现中,对每个粒子运行一个扩展卡尔曼滤波器,结合扩展卡尔曼滤波中预测更新机制实现最新量测信息的有效利用,进而提升单个采样粒子对于真实系统状态和模型逼近的有效性．理论分析和仿真结果表明：新算法在系统状态估计的精度以及模型辨识的准确性方面均明显地优于交互式多模型粒子滤波算法和多模型粒子滤波算法．     

局域跟踪的测速雷达网量测融合弹道解算

 组网测速雷达覆盖地域较广,火箭飞行初始段,只有局域雷达网捕获目标,没有足够速度量测,无法独立解算弹道.本文利用测速雷达精度较低的角度量测,以交会方法先获得初步的目标位置估计作为伪定位量测,利用无迹卡尔曼滤波(UKF)将其与高精度速度量测融合对弹道进行估计.蒙特卡罗仿真表明,该方法可以弥补角度量测的精度,获得满足精度要求的弹道估计.     

机动目标无源跟踪IMM-MKF算法

为提高运动多站对机动目标的无源跟踪性能,提出了一种新的基于交互式多模型-边缘化卡尔曼滤波(IMM-MKF)的机动目标跟踪算法。该算法将交互式多模型(IMM)结构和边缘化卡尔曼滤波(MKF)结合,利用MKF算法对每个模型进行滤波,对滤波结果进行交互作用来得到跟踪结果。以只测角机动目标跟踪为例对所提算法进行仿真分析,仿真结果表明,相对于采用扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)及容积卡尔曼滤波(CKF)算法的典型交互式多模型算法,所提算法具有更好的跟踪性能。     

弹道导弹群目标跟踪分裂算法研究

对武器系统来说,越早完成弹道导弹群目标分裂跟踪,准备时间就越充分;但另一方面如果群目标分裂过早,在跟踪过程中极易发生混批、错批等问题。本文提出了弹道导弹群目标跟踪分裂算法：首先分析群目标形成与跟踪策略,论述了IMM-UKF滤波框架,然后对群目标分裂算法进行了数学建模,分析了影响群目标分裂性能的各种因素,最后采用Pareto改进方法解决了多目标规划问题求解。仿真结果表明,该算法能够达到群目标尽早分裂与群内目标关联稳定度之间的平衡。     

一种新的基于粒子滤波的多模型跟踪算法

粒子滤波技术通过非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波,适用于非线性目标运动模型、非线性传感器测量模型和非高斯噪声的目标跟踪。但需已知目标和量测模型,而实际情况往往难以满足此条件。交互多模型算法(IMM)依据各模型对目标前一时刻状态估计的方差,确定各模型在当前时刻状态下存在的概率,利用各模型对目标状态估计的加权和,确定目标的状态。本文采用粒子滤波代替IMM算法中各模型的Kalman滤波,将粒子滤波与IMM的优点相结合。同时,采用UKF(UnscentedKalmanFilter)产生粒子,由于考虑了当前量测,使得粒子的分布更加接近后验概率分布,用较少的粒子就可以逼近目标的真实状态。仿真实验结果表明,本算法可用于标准IMM算法无法实现跟踪的复杂情形,而且使用的粒子数目仅是同类算法的二十分之一。     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.