共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
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. 相似文献
4.
5.
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。 相似文献
6.
7.
8.
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。 相似文献
9.
10.
11.
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. 相似文献
12.
13.
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。 相似文献
14.
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。 相似文献
15.
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. 相似文献
16.
17.
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。 相似文献
18.
19.
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。 相似文献