基于UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。     

UKF算法在单站无源定位与跟踪中的应用

提出了相位差与无迹卡尔曼(UKF)算法相结合的单站无源定位方法。把2个相互正交的相位干涉仪测量出目标辐射电磁波的相位差信息作为观测量,采用UKF滤波算法加以处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置和速度,来实现对辐射源目标的快速高精度无源定位。UKF与传统的EKF滤波算法相比,不用计算雅克比矩阵,实现简单,且有更高收敛速度和定位精度。     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。     

一种改进的单站无源定位与跟踪算法

无源定位与跟踪技术有着广阔的应用前景。对于机动干扰源单站无源定位与跟踪，直角坐标系下一阶卡尔曼滤波算法容易发散，二阶卡尔曼滤波算法运算量大。针对这一不足，本文提出了在极坐标下建立状态方程和观测方程的卡尔曼滤波进行干扰源单站无源定位与跟踪。仿真实验结果表明了该算法的有效性。     

基于EKF算法的单站无源定位跟踪研究

针对无源单站定位系统中观测方程非线性的特点,给出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法。以方位角和方位角变化率为观测量,建立了EKF算法模型。仿真结果表明EKF算法具有收敛速度快,定位精度高的特点,可以提供高精度的单站无源定位跟踪结果。     

一种快速跟踪的单站无源定位算法

在单站无源定位与跟踪中，扩展卡尔曼滤波算法对初始值依赖性较强，在观测方程非线性较强时收敛速度和稳定性无法满足要求，因此文中提出了一种优先估计慢变化参量的定位跟踪算法，通过仿真比较验证了该算法具有较好的收敛速度和稳定性，具有对滤波初始值的依赖性小的优点。     

基于EKF算法的单站无源定位研究

针对单站无源定位系统中观测方程非线性的特点,不能直接使用卡尔曼滤波估计,因而提出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法;以方向角和方向角变化率为观测量,建立了EKF算法模型;仿真结果表明EKF算法适用于非线性系统,具有收敛速度快,定位精度高的特点。     

基于施密特正交变换UKF的单站无源定位算法

在单站无源定位系统中,UKF算法由于采用UT变换,算法的性能虽然要优于EKF及衍生算法,但是增加了计算量。为了减小UKF算法的计算量,易于算法的实时实现,提出了一种基于施密特正交变换的UKF滤波算法。该算法在遵循采样点选取准则的前提下,对所选取的采样点进行施密特正交变换,减少了采样点的数量。计算机仿真结果表明,该算法在保证定位跟踪滤波精度的前提下减小了计算量,提高了计算效率。     

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

简化UKF算法在单站无源目标跟踪中的应用

根据实际的应用背景,对标准的UKF算法进行简化,提出一种SUKF(Simplified Unscented Kalman Filter)算法,并将其应用于无源目标跟踪。对实测数据的滤波结果表明,SUKF不仅运算复杂度低(与经典EKF相当,比UKF大大简化),而且收敛速度快、一致性好,跟踪精度高(达到了UKF同样的性能),非常适合于实时应用的场合。     

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.     

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。     

基于UKF算法的惟方位单站无源跟踪

单站无源跟踪问题本质上是非线性估计问题,使用传统的EKF算法进行跟踪滤波,得到的结果误差较大,容易产生发散现象。本文在惟方位跟踪中应用UKF算法,仿真结果表明,与EKF相比,采用UKF算法跟踪精度较明显的提高,同时增强了滤波器的稳定性,有效地改善了跟踪性能。     

一种基于"当前"统计模型的机动辐射源单站无源定位方法

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站对机动运动辐射源无源定位跟踪系统,提出了一种用"当前"统计模型对角速度建模,利用UKF滤波进行滤波,跟踪机动辐射源的定位方法.同时对非线性定位系统的可观测性进行了分析,得到了与辐射源作匀速运动相同的可观测条件.仿真结果表明,本文提出算法对固定单站在角速度变化的机动运动无源定位中跟踪效果更佳.     

基于相位差变化率的单站无源定位技术

提出以相位差变化率为观测量,UKF逐步逼近目标位置的定位算法,有效解决了单站无源定位中收敛速度和定位精度问题。该算法以相位差变化率为观测量,消除了由于相位差中存在固定偏差对定位精度影响,提高了定位精度。而引进的UKF滤波算法则省去对观测方程的雅各比矩阵计算,简化滤波了运算,使定位过程更容易实现,从而提高定位滤波运算速度。     

基于修正SUKF的固定单站无源定位跟踪算法

针对基于超球面单形采样策略的SUKF在初始误差和观测误差较大时滤波性能下降的问题,以固定单站无源定位目标跟踪为应用背景,引入后向平滑处理,并结合系统模型特点对算法作进一步的优化,提出一种修正的SUKF算法。理论分析和仿真实验表明,文中所提算法相对于传统UKF和SUKF算法,在运算开销增加不大的前提下,有效提高了算法的稳定性和滤波精度,具有一定的工程实用意义。     

基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。     

简化UKF在非合作式单站无源目标跟踪中的应用

根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF（simplified unscented kalman filter）算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。