基于自适应因子化 H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化 H∞滤波的单站无源跟踪算法.该算法利用 sigma 点转换和鲁棒 H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于 UT 变换的 H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性.仿真实验结果表明,本文方法通过对 UT 变换进行简化,在自适应因子化的同时,算法的计算量与基于 UT 变换的 H∞滤波基本持平,且跟踪精度优于基于 UT 变换的 H∞滤波算法.该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法.     

双基阵被动定位位置估计算法研究

根据双基阵被动定位的特点，分别论述了仅利用方位测量信息的交叉测向法定位原理和利用方位及时延差测量信息的测向测时差法定位原理，并在相同的仿真条件下，对两种方法的定位性能进行了比较。介绍了可提高被动定位精度的数据预处理和最小二乘拟合方法。通过蒙特卡洛仿真分析比较了基阵位置、基阵间距及各种测量参数改变对定位性能的影响。仿真结果表明，基于纯方位测量信息和方位—时延差测量信息的双基阵被动定位方法，避免了观测平台的机动，具有较好的可观测性，经过必要的改进，可用于对海上机动目标的无源定位。     

wMPS测角不确定度研究

室内空间测量定位系统(wMPS)是一种基于多向定位原理的新型网络式测量系统,为分析系统单站的测角不确定度,建立了角度测量模型,分析了影响系统测角精度的误差源并给出误差的评估方法,利用蒙特卡罗统计法进行了仿真,获得了测角误差的分布.提出一种以多面棱体和平行光管作为调整手段,多齿分度台为角度参考基准的发射站水平角不确定度分...     

基于光学测角与信号时差的同步卫星无源测轨

精确测量和确定同步卫星轨道是实现高精度导航、定位等应用的基础,光学测角定轨和卫星通信信号测时差定轨是两种最重要的无源测轨方法,各有优缺点。本文提出将光学测角与无线电通信信号测时差相结合,可实现对卫星的单次测量定位,多次测量提高定轨精度。推导得到卫星到光学站的距离表达式,实现对卫星位置的解析求解。通过GDOP方法,分析了光学站与无线电站的不同布站方式对定位精度的影响,据此提出了优化布站方式。通过计算机Monte-Carlo仿真,比较分析了联合测轨方法与单一光学测轨方法的测轨精度。仿真结果表明:若无系统误差时,24小时观测数据统计定轨位置误差为25m,预报1周位置误差为200m,约为单一光学方法的2/3;当存在系统误差时,需采用自校准方法估计系统误差,基于24小时观测数据的单一光学方法未能实现自校准定轨,而联合测轨方法定轨精度可达到约6m,归一化系统误差估计精度优于0.1,预报1周的位置误差约为140m。     

Passive Orbit Measurement of Geosynchronous Satellite Joint Angles from Optical Measurement and Time Difference of Arrival from Signals

精确测量和确定同步卫星轨道是实现高精度导航、定位等应用的基础,光学测角定轨和卫星通信信号测时差定轨是两种最重要的无源测轨方法,各有优缺点.本文提出将光学测角与无线电通信信号测时差相结合,可实现对卫星的单次测量定位,多次测量提高定轨精度.推导得到卫星到光学站的距离表达式,实现对卫星位置的解析求解.通过GDOP方法,分析了光学站与无线电站的不同布站方式对定位精度的影响,据此提出了优化布站方式.通过计算机Monte-Carlo仿真,比较分析了联合测轨方法与单一光学测轨方法的测轨精度.仿真结果表明:若无系统误差时,24小时观测数据统计定轨位置误差为25 m,预报1周位置误差为200 m,约为单一光学方法的2/3;当存在系统误差时,需采用自校准方法估计系统误差,基于24小时观测数据的单一光学方法未能实现自校准定轨,而联合测轨方法定轨精度可达到约6 m,归一化系统误差估计精度优于0.1,预报1周的位置误差约为140m.     

单站被动定位及光电实现

目的　光电技术实现的单站被动定位具有重要的军事价值 ,本文介绍了其原理、方法和发展 .方法　本文中 ,单站被动定位分为激光和红外两部分内容讨论 .结果　明确了采用激光和红外技术的单站被动定位工作原理和存在的技术难点 ,同时 ,指出了被动定位的研究动向 .结论　文章表明单站被动定位及光电实现值得进一步研究 .     

单站被动定位及光电实现

目的：光电技术实现的单站被动定位具有重要的军事价值，本文介绍了其原理，方法和发展，方法：本文中，单站被动定位分为激光和红外两部分内内容讨论，结果：明确了采用激光和红外技术的单站被动定位工作原理和存在的技术难点，同时，指出了被动定位的研究动向。结论：文章表明单站被定位及光电实现值得进一步研究。     

方位时延的TMA算法及其可观测性研究

设计了一种新型的水下被动目标运动分析系统,以测得的方位序列和到达不同传感器的时间延迟为基础,建立了状态方程和观测方程。利用非线性系统的可观测性定理分析了该系统,得出了基于方位时延量测水下被动TMA系统的可观测性结论并分析了可观测度。运用扩展卡尔曼滤波算法,对被动定位性能进行了分析。通过计算机仿真实验,验证了得到的可观测性结论。仿真结果同时也表明,该水下被动TMA系统具有收敛速度快、精度高、稳定性好等优点,有着良好的应用前景。     

一种红外被动定位方法的工程实现

被动定位可分为单站被动定位和多站被动定位两种类型。本文在简要分析各种被动定位技术的基础上,提出一种将双目立体视觉和运动立体视觉相结合的单站红外被动定位方法。设计了实验样机,将该被动定位算法进行了工程实现。实验结果表明,单站红外被动定位方法不仅具有±10%的被动定位精度,而且可以同时对多个目标进行被动定位。     

随机离散事件系统基于动态观测的安全诊断研究

现有随机离散事件系统研究大都是假设事件的可观测性是固定不变的,而许多实际应用系统中事件的可观测性往往与系统所处的状态有关。为此,本文提出一种动态观测下随机离散事件系统安全可诊断方法。引入一种动态观测,使每一个状态都有各自独立的可观事件;对动态观测下随机离散事件系统安全可诊断性进行形式化;推导出一个基于安全诊断器的动态观测下随机离散事件系统安全可诊断性的充分必要条件,实现动态观测下随机离散事件系统的故障安全诊断。     

基于连续谱特征的被动声呐跟踪方法

针对被动声呐多目标跟踪问题,通过研究目标连续谱特征表征方式和特征更新相似关联机制,提出了一种基于连续谱特征的被动目标跟踪方法。该方法利综合利用频带能量法、排序截断平均算法以及峰值提取实现目标的连续特征表征,利用表征出的特征谱作为输入,通过建立相似度搜索,交叉判断与模板更新机制,实现了多目标的跟踪。经仿真对比分析了该方法的跟踪性能,并利用海上试验数据验证了其有效性。结果表明,连续谱特征可作为辅助特征用于目标的跟踪分辨,该方法能够有效提高多目标交叉情况下的跟踪关联能力,并且具备较低的运算量和较高的精度。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

聚焦矩阵在水中宽带目标被动跟踪中的应用

针对水中机动宽带目标,对于设计好的均匀线列阵,采用空间重采样方法计算基阵的恒定束宽阵元权系数,进而利用该阵元权系数产生聚焦矩阵,通过聚焦矩阵将不同频带的子带信号映射到同一参考频率上,然后将所有频率成分的信号功率谱密度矩阵作平均,并结合MUSIC(Multiple Signal Classification)算法,估计出目标的方位信息,从而实现水中宽带目标的被动跟踪。采用该方法进行仿真试验分析,结果表明在小孔径基阵上可实现宽带单目标的稳定测向被动跟踪,且对多目标具有一定的角被动分辨效果。     

基于滑窗批处理的低检测概率无源定位

针对低检测概率下的无源定位问题,提出一种基于滑窗批处理的多传感器融合跟踪算法.通过将多个低检测概率的无源传感器组网,实现目标信息的空间积累,有效提高目标的检测概率.利用伪线性估计技术将非线性测量转换为伪线性测量,再对多传感器的伪线性测量进行基于滑窗批处理的最小二乘估计,得到目标局部最优解.仿真验证了算法的有效性和分析了参数的影响.结果表明,该算法能大幅提高无源定位系统对目标的检测概率,且能满足系统对跟踪精度及实时性的要求.     

异类传感器融合跟踪的等效传感器方法

为了提高多个异类传感器构成的集中式融合跟踪系统的计算性能,提出一种基于等效传感器的融合跟踪方法.该方法假定各局部传感器能观测目标的全部属性,将其中实际不能观测的属性视为被剔除的野值,利用融合中心的目标状态估计进行重构,实现将维数不同的各异类传感器的量测映射成系统观测空间中维数相同的等效传感器量测.这样便可采用数据压缩滤波方法克服现有集中式融合跟踪方法的局限,降低计算量.实验结果表明,文中方法的跟踪精度与现有的并行滤波融合跟踪方法一致,但计算量更低且基本不随传感器数量的增加而增大.     

扩展容积卡尔曼滤波定位技术研究

为提高被动定位技术的精度与环境适应性,本文提出运用一种新的非线性滤波方法—扩展容积卡尔曼滤波算法进行多角度传感器目标定位;它首先利用EMD(经验模态分解)算法对目标的量测噪声协方差矩阵进行估计;然后,将过程噪声协方差和量测噪声协方差融入循环过程;同时,为保持算法的稳定性和正定性,利用求平方根的形式对算法改进。通过对扩展容积卡尔曼滤波与UKF(不敏卡尔曼滤波)算法跟踪目标的结果进行比较,在运算复杂度与UKF相当的前提下,扩展容积卡尔曼滤波算法不仅可以对未知量测噪声情况下的目标进行跟踪,而且显著提高了被动定位的精度。     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。