基于交互式多模型粒子滤波的相控阵雷达自适应采样

为有效合理利用雷达资源和解决雷达测量值与运动状态间的非线性关系以及目标状态本身可能出现的非线性,提出了一种基于交互式多模型粒子滤波（IMMPF）的相控阵雷达自适应采样目标跟踪方法。将交互式多模型粒子滤波一步预测值的后验克拉美罗矩阵代替预测协方差矩阵。通过该矩阵的迹与某一门限值比较来更新采样周期以适应目标运动状态的变化。...     

一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法

提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.     

基于粒子滤波的蜂窝网目标跟踪

蜂窝网移动定位是根据蜂窝网自身的位置信息进行移动台定位与跟踪一种技术,是未来移动通信的方向,本文考虑到复杂信道环境中的非视距(NLOS)噪声误差的因素,提出了一种基于到达时间差(TDOA)的粒子滤波方法。仿真结果表明,与无损卡尔曼滤波对比,采用粒子滤波的跟踪方法能明显改善移动目标的定位精度。     

基于自适应观测模型交互多模型粒子滤波的红外机动目标跟踪

针对红外目标跟踪问题,提出一种混合观测模型以描述日标像素灰度的渐变以及目标的突然消失或复现,采用在线EM算法对观测模型参数进行更新;将自适应观测模型与交互多模型粒子滤波相结合用于目标跟踪;基于概率排斥原则改进了似然函数,将上述算法推广到多目标跟踪领域.单目标和多目标跟踪仿真结果验证了所提算法的有效性.     

高斯条件下基于粒子滤波的声源定位

介绍了粒子滤波的基本思想和具体算法实现步骤,并将粒子滤波算法应用在声源定位中,解决了在高斯噪声环境下的声源定位问题。所提出的基于粒子滤波的声源定位方法,在高斯噪声情况下,甚至在低信噪比（SNR〈-20dB）情况下,定位的均方根误差RMSE值均小于0．2m。     

一种多速率的交互式多模型粒子滤波算法

针对融合交互式多模型和粒子滤波,提出了一种采用多速率方法的交互式多模型粒子滤波(MRIMMPF)算法.该算法采用多模型结构来跟踪任意机动的目标,各模型采用粒子滤波,以处理非线性、非高斯问题.但是粒子滤波的问题是计算量过大,特别是应用到IMM算法时,多速率方法则可以在保证算法性能的同时解决此问题.仿真结果表明,MRIMMPF算法在性能上明显优于交互多模型粒子滤波(IMMPF)算法,具有较小的计算量.     

基于交互多模型的机动目标定位滤波方法

针对无源雷达如何快速准确地对机动目标进行定位的问题,提出一种基于交互多模型的机动目标定位滤波方法。首先给出几种常见的运动模型,并介绍交互多模型算法的基本原理,然后围绕交互多模型算法在机动目标定位中的具体应用,对算法做进一步推导,最后利用MATLAB对所提方法进行仿真验证,仿真结果证明了该方法的有效性。     

递归Bayes模型粒子滤波方法

针对粒子滤波算法中存在的粒子退化、粒子多样性匮乏和计算量大等问题,本文提出一种基于递归Bayes模型的粒子滤波方法,该方法通过利用系统的状态方程和随机变量概率密度之间的转换关系,将状态的预测概率密度变换为后验概率密度相应的递归形式,并且用于下一次迭代过程的粒子根据当前状态估计重新采样,使新粒子尽可能地分布在真实状态的邻域内,增大粒子有效利用率,提高滤波精度.理论分析和仿真结果表明,与经典的粒子滤波算法和其他重采样算法相比,本文所提算法不仅滤波精度得到了改善,而且计算复杂度也得到了有效的降低.     

一种在NLOS环境下提高精度的TDOA定位方法

根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行了估计,并对TDOA（到达时间差）的测量值和方差进行了修正,在一定程度上消除了NLOS误差的影响.采用Chn算法对移动台（MS）位置进行定位.仿真结果表明,该方法能够提高Chan算法在NLOS传播环境下的定位精度.     

融合粒子滤波与交互多模的单站被动定位算法

融合交互式多模型和粒子滤波算法提出了一种新的单站被动定位算法.该算法采用多模型结构,各模型匹配粒子滤波算法,从而适用于非高斯系统噪声、非线性量测方程条件下,具有任意运动轨迹的目标跟踪问题.各模型粒子经过输入交互,充分体现交互式多模型优点.粒子滤波的重要密度函数采用UKF方法产生,使得较少的粒子即可更加接近系统状态的真实后验概率,从而减少了运算量.仿真结果表明:本文新算法性能明显优于标准交互式多模型算法,具有一定的工程实用价值.     

Moving‐Target Tracking Based on Particle Filter with TDOA/FDOA Measurements

In this letter, we propose a moving‐target tracking algorithm based on a particle filter that uses the time difference of arrival (TDOA)/frequency difference of arrival (FDOA) measurements acquired by distributed sensors. It is shown that the performance of the proposed algorithm, based on the particle filter, outperforms the one based on the extended Kalman filter. The use of both the TDOA and FDOA measurements is shown to be effective in the moving‐target tracking. It is proven that the particle filter deals with the nonlinear nature of the moving‐target tracking problem successfully.     

一种基于自适应进化粒子滤波的移动机器人定位方法

提出了一种用于移动机器人定位的自适应进化粒子滤波算法.该算法利用遗传算法中的选择、交叉和变异操作改善样本的多样性,并且引入自适应调整控制参数.另外采用自适应重采样方法,只在需要时才进行重采样,减少重采样的次数.理论分析和仿真实验证明该算法能有效地提高定位精度.     

基于粒子优化的多模型粒子滤波算法

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．     

基于TDOA与GROA的信号源被动定位偏差消除技术

本文针对Ho提出的基于TDOA（Time Difference of Arrival）与GROA（Gain Ratio of Arrival）信号源定位的代数闭式解,提出两种偏差消减方法.首先对其闭式解偏差进行了推导,然后给出BiasRed法与BiasSub法两种偏差消减算法,BiasSub法从Ho给出的解中直接减去期望偏差,BiasRed法通过分析误差表达方程并引入二次约束来提升定位估计精度;分析表明两种方法均可针对远距离信号源,在较小高斯误差情况下有效消减定位偏差,BiasRed法可将偏差降低到最大似然估计算法的水平;计算机仿真分析验证了所提算法的性能.     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.     

一种基于交互式多模型算法的联邦滤波器

针对联邦滤波器对实际目标尤其是机动目标的估计精度较低的问题, 将联邦滤波器与动态多模型估计算法相结合, 提出一种基于交互式多模型算法的联邦滤波器。该算法采用交互式多模型算法来代替卡尔曼滤波算法作为子滤波器, 克服非线性条件下的滤波发散, 从而提高滤波稳定性和状态估计精度。仿真结果表明, 在目标做机动的情况下, 联邦IMM滤波器的估计误差始终保持在一定范围内, 具有良好的稳定性和容错性。     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

基于TDOAs与FDOAs的多信号源及感知节点联合定位算法

感知节点存在位置误差与速度误差的情况下,本文采用信号到达时间差(TDOAs)与到达频率差(FDOAs)信息,针对多信号源被动定位与感知节点进行位置及速度的同步优化问题进行了研究.在Sun和Ho前期工作中,只对多个不相关信号源进行了定位,并没有同时给出感知节点位置及速度的优化解,在很多实际应用中,对多个信号源进行被动定位的同时需要对感知节点的位置及速度信息进行优化;本文所提出的算法对前期算法进行了提升,被定位信号源与感知节点的位置及速度可同时较好地达到克拉美罗下界(CRLB);计算机仿真对本文理论推导进行了验证.     

改进的交互式多模型粒子滤波跟踪算法

通常的交互多模型卡尔曼滤波(IMMKF)或交互多模型扩展卡尔曼滤波(IMMEKF)对于非高斯问题无能为力;对于非线性问题,其性能不及交互多模型粒子滤波算法(IMMPF)。粒子滤波能够处理非线性/非高斯问题,其与交互式多模型结合用来获得更好的跟踪性能。然而,粒子滤波的主要问题是巨大的计算量,由于粒子滤波通常采用大量的粒子数目,将带来很大的计算负荷。该文提出了一种改进的交互多模型粒子滤波算法,其利用多模型综合使用了卡尔曼滤波和粒子滤波,与常规交互式多模型粒子滤波(IMMPF)相比,大大改善了计算效率。对于非线性/非高斯问题,其性能与IMMPF相当;对于线性问题,其性能与IMMEKF相当,并优于IMMPF的性能。     

用于双星时差频差定位体制的宽频接收机设计

针对双星时差频差定位体制要求,提出了一种宽频带接收机设计方法。介绍了整机架构设计方案和模块划分方法。重点阐述了影响双星时频差体制定位精度的关键指标:时延差一致性、频率差一致性、幅度差一致性的工程实现方式及各项技术指标的加速老化试验方式。接收机测试结果表明,接收机时延差一致性优于1.54 ns、频率差一致性优于1 Hz、幅度差一致性优于0.5 dB。并通过老化试验验证接收机指标变化情况满足在轨5年实际工程应用需求。