固定目标的运动单站被动测距

分析了角度和角度变化率被动测距系统的基本原理,研究了空间固定目标的单站被动测距方法,并提出光学成像系统中角度及角度变化率测量方法。利用Monte Carlo模拟验证了被动测距的数学模型,角度及角度变化率的测量误差是影响距离测量精度的主要因素,为了克服误差的影响,研究了基于推广卡耳曼滤波(EKF)距离估算方法。实验结果表明,对于含有零均值高斯噪声的角度和角度变化率的测量数据,利用推广卡耳曼滤波可以提高距离估算的稳定性和精度。     

粒子滤波器在运动单站被动测距中的应用

被动测距中直接测量的方位角、俯仰角与位置坐标的非线性函数组成测量方程.假设目标相对于观测站在三维空间中作匀速直线运动,建立了运动单站被动测距的状态转移方程.由测量方程和状态转移方程组成的动力学模型,将被动测距归结为典型的非线性状态估计问题.粒子滤波器利用Monte Carlo模拟计算状态的最优Bayesian估计,它适合于任何能用动力学系统概述的模型,状态估计精度不依赖于坐标初始假设值.模拟实验实现了粒子滤波在匀速运动观测站对匀速运动目标的被动测距,实验结果说明:粒子滤波器在被动测距中有重要的意义.     

固定单站对三维运动辐射源无源定位算法及可观测性分析

实现固定单站对运动辐射源无源定位,传统的方法是测量TOA和DOA。本文将方位角变化率测量信息也引入该定位问题,提出了基于MGEKF(修正增益扩展卡尔曼滤波),对三维运动辐射源的无源定位跟踪算法。通过推导伪线性测量方程,本文进行了测量TOA和DOA对三维运动目标无源定位的可观测性分析。最后给出了计算机仿真结果。     

基于连续测角的被动测距技术研究

在复杂的电子战环境中,为了精确定位目标,需要探测目标的距离.被动测距具有探测距离远、隐蔽性好、抗打击能力和生存能力强等特点.机载红外搜索跟踪系统(IRST)可以通过连续获取目标的角度数据估测目标的距离.基于这种连续测角的被动测距技术,建立了空间极坐标系下的测距模型,并对此模型的可观测性进行分析验证,然后通过选用滤波算法,进行仿真实验和飞行实验.实验结果表明.此测距方法收敛速度快,精度高达5%,具有很高的实用价值.     

无源双基地雷达目标运动分析的可观测性

本文研究利用外辐射源的单站无源定位和跟踪技术的可观测性问题。引入相容目标轨迹的概念,分析了三维N阶运动目标在不同观测信息条件下的相容轨迹的几何分布,并证明多普勒和到达时差观测是等价观测量。     

DOA和TOA的单站无源定位可观测性分析

在现有单站无源定位技术的基础上,介绍了新的基于机动辐射源目标的DOA和TOA测量信息的单站无源定位的可观测性分析.此分析直接应用非线性系统的可观测性分析原理,得到了基于DOA和TOA测量信息的单站无源定位的可观测性条件,并对其进行了计算机仿真.与文献[1-2]相比,此可观测性分析更直观更简明.     

弹道导弹对拦截弹仅测角被动跟踪的可观测性分析

为了分析和研究弹道导弹探测跟踪拦截弹的理论可行性问题,针对采用单传感器仅有测角信息时的被动跟踪技术的首要问题——系统可观测性展开了研究。分析了拦截弹的飞行弹道特点,讨论了不同相对运动状态下的系统可观测性条件,利用矩阵运算及其解的性质得出了在三维被动跟踪中,拦截弹射面内状态参数的可观测性较好而垂直于射面的状态参数的可观测性相对较弱的结论,最后运用经典的扩展卡尔曼滤波算法对仅有测角信息的被动跟踪进行了仿真实验,验证了所推导的可观测性结论。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

EM框架下实现被动测距的状态估计和参数学习

在红外成像跟踪系统中,通常仅能测量目标的角度信息,不能直接测量目标与观测站间的距离。研究了基于红外成像系统的被动测距技术,首先利用状态空间模型的分析方法建立被动测距的状态估计和参数学习的混合估计模型,然后介绍EM的基本原理和参数的最大似然估计。EM算法的E步利用粒子滤波和粒子平滑器来完成,实现被动测距的状态估计;M步利用梯度搜索的方法来求解参数。被动测距是一个带有未知参数的非线性系统的状态估计,文中利用状态估计与参数学习的状态空间模型来描述,并利用EM法来求解,为被动测距的求解提供了一条新的途径。模拟实验表明,基于粒子滤波和梯度搜索的EM方法能同时完成被动测距的状态估计和参数学习。     

非线性滤波算法性能对比

随着目标运动的多样性和复杂化,雷达非线性目标跟踪算法越来越受到重视。本文对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波的滤波模型、适用条件、性能进行了分析比较,通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能,仿真结果表明非线性条件下粒子滤波算法要明显优于其它两种滤波算法。     

机载红外搜索跟踪系统被动定位滤波算法研究

首先用扩展卡尔曼滤波算法构建了机载红外搜索跟踪系统被动定位滤波模型．然后针对该滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点．利用虚拟噪声技术，提出了适合于红外搜索跟踪系统被动定位的自适应扩展卡尔曼滤波算法。该算法实时地估计了虚拟噪声的统计特性，减小了线性化误差，提高了非线性滤波的精度。仿真结果表明，在完全相同的初始条件下，自适应扩展卡尔曼滤波对目标距离和速度的估计结果明显优于扩展卡尔曼滤波，此算法具有很高的工程应用价值。     

纯方位被动目标运动分析的修正增益卡尔曼滤波算法研究

通过对滤波状态协方差估计的修改,将水下纯方位被动目标运动分析中的扩展卡尔曼滤波(EKF)算法改进为修正增益扩展卡尔曼滤波(MGEKF)算法,并指出了两者的联系与区别。对比仿真分析表明,MGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标运动分析的实现提供新的途径。     

基于粒子滤波的蜂窝网移动台单站跟踪

仅使用单个基站测量信息对蜂窝网移动台进行定位跟踪实现简单并具有较高的可定位概率,但面临的挑战是如何提高定位精度。粒子滤波是基于贝叶斯推论的一种蒙特卡洛方法,特别适用于非线性非高斯信号处理。该文提出了基于粒子滤波的单站跟踪算法。仿真结果表明与快拍式定位方法相比,这种滤波算法大大提高了单站定位的精度;与扩展卡尔曼滤波相比,粒子滤波收敛速度快,性能稳健。     

雷达被动探测定位的可观测性

根据使用信息的不同，本文把雷达被动观测分成方位、到达时、多卜勒、方位和到达时间、方位和多卜勒几种类型，建立了统一的观测模型，分析了种类系统的可观测性。通过可观测度比较，还提示了到达时间差和多卜勒观测在系统中具有的拟等价关系。     

基于DOA的无源定位算法

该文在分析了伪线性扩展卡尔曼滤波中针对非线性观测方程线性化误差的产生原因以及对滤波影响的基础上,提出用n时刻的状态估计值代替一步预测状态值.由于n时刻的状态值中隐含着n时刻的测量值,因此比一步预测状态值更接近此时刻的真实状态矢量,从而将伪线性的观测方程在更接近真实状态值处泰勒展开将产生更小的线性化误差,通过这种处理从而提高了状态定位精度.最后通过计算机仿真证明了改进算法的有效性.     

基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法

多径干扰是高精度定位的主要误差源,估计多径参数对消除多径误差,提高导航系统定位精度具有重要意义。针对扩展Kalman滤波(EKF)在进行多径参数估计时,存在对初值敏感,估计结果在真值附近具有较大波动的缺点,该文提出一种基于粒子滤波(PF)和滑动平均EKF的多径估计算法。该算法首先利用PF得到多径参数的粗略估计值,并将该值作为EKF的初始估计值,以克服EKF对初值敏感的问题。接着对EKF的估计结果进行滑动平均,并将平均后的滤波结果作为多径参数的估计结果。仿真结果表明,改进后的多径估计算法可有效降低估计结果的波动幅度,同时解决了EKF对初值敏感的问题。     

常用非线性滤波方法比较研究

几乎所有的现实系统都是非线性的,因而非线性估计问题显得尤为重要.通过分析3种常用的非线性滤波器:扩展卡尔曼滤波器、Unscented卡尔曼滤波器以及粒子滤波器的原理,确定其适用性.用单变量非平稳模型及再入目标跟踪模型,通过Monte-Carlo仿真计算估计的均方误差及时耗,进而对上述3种滤波器滤波精度、一致性以及运算量进行比较.