基于随机有限集理论的无源多站联合定位与跟踪算法

针对无源多站目标跟踪中涉及到复杂的数据关联以及测向交叉定位处理,提出了基于随机有限集理论的无源多站联合定位与跟踪算法( RFS-JLT)。该算法采用伯努利随机有限集形式构建目标状态和多站量测随机有限集模型,依据目标运动特性以及随机有限集卷积公式计算出多目标状态转移密度函数和多站量测似然函数,然后基于多目标贝叶斯估计理论推导了目标后验概率密度的递推式,避免了多站测向数据关联以及交叉定位处理。仿真结果表明,在无源多站目标跟踪中,RFS-JLT算法能够显著提升目标跟踪精度。     

基于多伯努利概率假设密度的扩展目标跟踪方法

高分辨率雷达系统中,扩展目标一般会产生多个量测。现有随机有限集(RFS) 类算法一般假定扩展目标的量测数目服从泊松分布,然而这个假设与实际情况不符。针对这一问题,该文提出一种多伯努利扩展目标概率假设密度(MB-ET-PHD)跟踪算法。该算法首先假设扩展目标的量测数目服从多伯努利分布,然后通过有限集统计(FISST)理论的多目标微积分推导得到校正等式,最后给出了高斯混合(GM)框架的仿真结果。仿真结果表明该算法能够获得比泊松ET-PHD算法更好的跟踪性能。     

改进的概率假设密度滤波多目标检测前跟踪算法

基于概率假设密度滤波(Probability Hypothesis Density,PHD)的检测前跟踪(Track before detect,TBD)技术可以有效解决未知目标数的弱小点目标检测前跟踪问题.文章针对现有PHD-TBD算法存在目标数估计不准、目标发现延时较久的问题进行研究.从标准PHD滤波出发,更为合理地推导出PHD-TBD算法的粒子权重更新计算表达式,实现对目标数的准确估计;同时利用贝叶斯滤波理论,推导出基于量测的新生粒子概率密度采样函数,完成对目标的快速发现.仿真实验表明,与现有的PHD-TBD相比,改进算法能够适应目标扩散情况,准确估计目标数目,并实现对目标的快速发现和位置准确估计.     

基于角度和频率信息的机动目标无源自适应跟踪算法

在进行可观测性分析的基础上,综合利用方位角和频率观测信息,提出了一种利用单个模型对机动目标进行无源跟踪的UKF算法,该算法通过对目标的运动状态和机动参数进行联合估计自适应地逼近真实的运动模型,从而进行准确跟踪。与现有算法相比,本文的算法不仅运算量小,而且降低了对观测站自身的运动要求,但却保持了良好的性能。仿真结果表明了算法的有效性和正确性。     

多传感器多目标无源定位跟踪算法研究

针对多站无源测向交叉定位在复杂环境下会产生大量虚假定位点问题,本文提出了一种对目标进行无源定位跟踪的新方法,即先通过数据聚类,确定目标数量;由此动态建立多模弹性神经网络,去除了大部份虚假点;再通过建立航迹树的方法来动态跟踪目标,去除弹性网络未去除的虚假点.该方法解决了大量虚假点存在的情况下,目标数量的确定难题、弹性网初始化难题及动态剔除虚假点难题,进而有效地解决了多干扰机目标相关、虚假点的剔除问题.仿真分析试验表明:该方法计算量低,弹性网络收敛速率快,目标正确锁定率及虚假点剔除率高.     

基于概率的单站多目标无源定位算法

机载单站多目标无源定位是现代电：于侦察领域的重点和难点课题。本文提出了一种基于贝叶斯后验概率最大原理的机载单站多目标无源定位算法。该算法只使用干涉仪给出脉冲序列相位差和载频信息,即可完成对多目标的分选识别和高精度定位,具有定位准确、指示清楚、无需对信号进行预分选的优点。仿真结果表明：在工程可实现的测向、测频精度和考虑载机位置、姿态误差情况下,对于载机一侧的多目标可能达到的定位精度约为距离的2％,是一种具有广阔应用前景的机栽单站无源定位方法。     

多站无源定位系统中的机动目标跟踪算法

针对多站测向无源定位系统提出了一种杂波环境下机动目标的被动跟踪算法———ＣＭＩＭＭＰＤＦ算法。该算法首先用转换测量的卡尔曼滤波（ＣＭＫＦ）替代了传统的扩展卡尔曼滤波,克服了后者精度不高易发散的缺点,并将其结合交互多模型（ＩＭＭ）算法及概率数据关联（ＰＤＦ）算法,有效地完成了多站无源定位系统对杂波环境下机动目标的跟踪。仿真结果证明了该算法的有效性。     

多目标滤波中的多传感器概率假设密度算法

多传感器情况下的多目标概率假设密度(PHD)滤波是建立在假设模型上实现的。该文用随机有限集(RFS)方法描述多目标状态空间和传感器量测空间,分析了多传感器通用假设模型下的探测概率、似然函数和杂波分布,在此基础上利用概率产生泛函(PGFL)推导出了多传感器PHD滤波递归式,进而提出粒子标记法多传感器贯序蒙特卡洛PHD(SMC-PHD)滤波等价实现算法,降低了多传感器PHD滤波的计算复杂度。最后给出了算法的具体实现,得到了良好的多目标数目和可跟踪多目标状态的估计。     

多站无源雷达多起伏目标检测前跟踪算法

针对多站无源雷达背景下多起伏目标同时检测和跟踪的问题,该文提出一种基于多目标多伯努利(MeMBer)滤波器的多起伏目标检测前跟踪(TBD)算法。由于起伏目标的平均信噪比(SNR)未知使得目标的回波幅度似然函数不确定,该文假定包络检波器的输出平均SNR服从先验的均匀分布,并对可能取值区间进行边缘化处理,得到一个估计的似然函数,基于该估计的似然函数,融合中心利用所有收发对的幅度观测信息对MeMBer滤波器的各个预测分量进行更新。仿真结果表明,该算法能够有效地同时检测和跟踪多起伏目标,并且在平均SNR大于9 dB时,其性能与平均SNR已知情况下的性能近似。     

基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法

实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。     

基于概率的无源定位算法

无源定位在电子对抗中越来越受到人们的重视。介绍了基于概率的无源定位的原理,并和常规几何定位做了比较,分析了其优点;推导了基于概率的无源定位算法,讨论了定位误差的特点和更合理的误差描述方法,推导出了在三维情况下定位误差在空间的分布,最后给出了一种定位精度的几何稀释(GDOP)的表示方法。     

基于RPUKF的固定站无源定位跟踪算法研究

固定单站无源定位跟踪系统面临着可观测性弱、初始误差大等问题,寻找一种快速稳定的定位跟踪算法尤为重要.将距离参数化方法引入固定单站无源定位中,与不敏卡尔曼滤波(UKF)结合给出了基于距离参数化UKF(RPUKF)的固定单站无源定位算法;该算法根据观测站最大探测距离划分距离子区间,每个子区间单独采用UKF算法进行跟踪,将各自跟踪结果进行融合得到最终定位结果.仿真结果表明,在初始误差较大时RPUKF算法仍能实现稳定定位,与RPEKF算法相比在保证实时性的基础上明显改善了定位性能.     

基于多假设的运动多站多目标AOA定位算法研究

测向角(AOAs)交叉定位是无源定位中广泛应用的经典体制,但在多站多目标场景中,特别是观测平台和目标都在运动时,测向角交叉定位存在关联错误率高,定位精度低等问题。针对该问题,该文提出一种基于多假设的运动多站多目标AOA交叉定位算法。首先对所有观测站测向角进行量测关联组合,对每个量测组合使用两步最小二乘算法进行目标位置估计。计算测向角关联的代价函数,累积前几个周期的关联代价函数选出最佳的量测配对组合,并估计目标位置。后续的量测数据与已有目标位置误差椭圆关联,得到量测关联组合,并进行目标位置估计。避免了组合爆炸,算法时效性高,降低了关联错误率,提高了定位精度。通过在搭建的演示验证系统中进行验证,验证了算法的有效性。     

对机动目标的多站无源定位IMM算法

将交互式多模型（IMM）算法与集中式融合跟踪算法相结合,给出了集中式交互多模算法（CIMM）;基于目标的多普勒频率差和信号到达方向信息,利用CIMM算法对机动目标进行无源定位与跟踪,并与变维（VD）滤波算法的跟踪性能进行了比较.通过计算机仿真验证了CIMM算法是有效的,且该算法与VD算法相比定位精度更高、稳定性更好.     

多站无源跟踪边缘化卡尔曼滤波算法

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。      

基于自适应修正UKF算法的网络多平台无源定位跟踪系统

针对传统网络多平台机载无源定位跟踪存在作战区域有限,精度低,易出现盲点等缺点,提出了在多平台时差算法的基础上引入一种自适应修正的无迹卡尔曼滤波算法进行机载无源定位跟踪。考虑不同的作战环境,对模型进行了推导和分析,采用不同的算法对模糊、无解问题中出现的奇异点进行了滤波结果比较。证实使用该自适应修正无迹卡尔曼滤波算法进行定位跟踪时,降低了奇异点给系统带来的影响,有效的提高了定位跟踪的精度与稳定性,扩大了机载多平台的协同作战的任务范围。     

基于目标高度先验信息的多站时差无源定位方法

该文针对利用多站到达时差观测量的辐射源目标定位问题,已知目标高度先验信息,提出一种基于加权最小二乘的闭式高精度定位方法。近距离场景下,可忽略地球曲率影响,此时目标高度信息可等效为目标的1维坐标。基于该条件,使用一种新的两步加权最小二乘算法实现对目标的定位解算。该算法不需要目标位置初始值估计,无需迭代运算,计算量较小。仿真表明：利用目标高度先验信息可有效提高对目标的定位精度;在观测量噪声为高斯噪声且功率较小时,算法定位性能可达到克拉美罗界。     

基于多信息融合的无源定位算法

为了综合利用各种观测信息,提高目标定位精度,提出了根据测量目标方位角,来波相位差变化率和多普勒频率变化率等多种信息,进行融合卡尔曼滤波(EKF)的无源定位算法。此算法显著提高了目标跟踪定位的收敛速度和精度。在对其定位原理和算法进行分析讨论后,进一步通过计算机仿真结果验证了这种算法的有效性。     

机载单站对机动目标无源定位与跟踪

机载无源探测定位技术是机载电子对抗中的一个重要的研究领域。针对空间机动目标,建立了机载单站无源定位的三维模型。基于传统测量相位差变化率的方法,增加了多普勒及其变化率信息,探讨了其定位原理,重新推导了定位公式;给出了其中的预处理过程和系统状态方程,并引入了可调白噪声UKF滤波算法以提高对机动目标的跟踪定位精度和收敛速度。通过计算机仿真,验证了该方法的正确性及有效性。     

基于FM-CDR技术的多源融合目标定位与跟踪算法

随着移动终端和信息处理技术的普及，用户位置信息的抓取已经成为众多应用平台提供的基本服务。考虑到时效性、精确性和覆盖面等多场景融合的前提条件，无线定位与跟踪技术很难满足此类要求。对此，通过深入分析调频波段数字音频广播技术，通过采集、分析调频信号信号场强、时间及时间差等参数，提出一种多源融合的目标定位与跟踪算法，能够满足不同使用场景的位置获取服务需求。通过仿真实验对结果进行验证分析，验证了所提算法的有效性。