基于遗传算法的雷达组网误差配准算法

系统误差校正是雷达组网的关键问题,传统的误差校正方法采用最小均方估计法或极大似然法,这些方法受随机误差影响,计算量大,难以在工程中应用。本文在实时精度控制法（RTOC）的基础上,通过构造误差配准的目标函数,将误差配准转换为非线性优化问题,并采用遗传算法进行寻优。该方法采用非参数化的方法进行误差配准,克服了RTOC和最小二乘算法中线性化带来的误差,提高了误差估计的精度。仿真和实际数据测试表明,本文提供的方法能有效地进行组网雷达误差配准。     

基于小生境遗传算法的雷达组网误差配准

多传感器信息融合须进行误差配准。传统的误差配准技术采用RTQC、最小二乘法或极大似然估计法,将非线性方程进行线性化,而线性化过程会引入误差。给出了一种基于小生境遗传算法的误差配准算法,该方法在采用基于ECEF坐标系的误差配准技术的基础上,克服了将非线性方程线性化带来的误差,并在传统遗传算法的基础上引入小生境技术,提高了遗传算法全局寻优能力、收敛速度以及系统误差估计结果的精度。最后,将该方法与基于ECEF坐标系的最小二乘法及传统遗传算法进行了比较,仿真实验结果验证了算法的有效性。     

一种多传感器配准与目标跟踪算法研究

传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。     

3D雷达与2D雷达联合误差配准技术研究

分析了地心地固(ECEF)坐标系下,两坐标(2D)雷达和三坐标(3D)雷达联合估计类误差配准方法和3D雷达校正2D雷达系统误差的方法.前者直接使用3D雷达和2D雷达的量测值,通过滤波得到各自的系统偏差估计值;后者则首先使用常规方法对2个3D雷达进行误差配准,然后使用配准后的3D雷达数据来校正2D雷达.2种算法都以卡尔曼滤波为基础构建等效量测方程和状态方程.根据2D雷达是否使用3D雷达提供的高度估计值,分2种情况进行公式推导和分析.仿真结果表明,联合类估计算法和不使用高度估计值的算法性能较好.     

基于扩展H_∞滤波自适应误差配准算法

提出了基于扩展的H∞滤波和地心坐标系的自适应多传感器误差配准方法,该方法采用地心坐标系来消除地球曲率对配准算法的影响,采用扩展的H∞滤波来消除状态模型和量测模型噪声方差的不准确对配准算法的影响,该方法能够解决多传感器异步数据的误差配准问题,并且状态方程和量测方程的噪声可以是非高斯的,并采用修正的基于BLUE的量测转换方法对修正后的传感器的量测进行滤波.仿真试验表明,该算法能有效地估计时变的传感器误差,即使在运动方程和量测方程的噪声方差不准确的情况下,也能得到满意的配准结果.     

配准误差下的多基地雷达目标检测算法

在多基地雷达系统中,即使进行了空间配准处理,也很难实现完美的空间配准。该文研究了分布式MIMO雷达系统存在配准误差时的目标检测问题。根据是否利用已知先验配准误差信息对目标位置信息进行估计,给出了MAP-GLRT和ML-GLRT两种检测器。由于MAP-GLRT检测器利用了先验信息,因此其检测性能优于ML-GLRT检测器。在配准误差条件下,两种检测器的性能要优于传统的融合检测算法。通过仿真实验验证了所提算法的有效性。     

雷达最优组网及目标跟踪算法分析

针对防空导弹武器系统所面临的各种复杂环境，提出了一种最优的正六边形雷达组网方案，建立了目标的数学模型并探讨了多传感器自适应数据融合算法，给出了计算流程图，得到了目标状态的实时估计，实现了目标跟踪的目的。     

一种基于ECEF坐标转换的多雷达误差配算法

提出一种有效的多雷达系统误差配准算法,该算法采用ECEF（Earth-Centered Earth-Fixed)坐标系作为过渡坐标系,将分散配置的各雷达站的量测数据实时转换到主站（设主站雷达无系统偏差）,利用各站同主站之间的量测差值,设计一扩展卡尔曼滤波器,实时估计出各站相对主站之间的系统偏差,从而对网各雷达进行配准,计算机仿真结果证明了该算法的正确性和有效性。     

基于有限记忆最小二乘的雷达误差配准算法

针对非合作目标多雷达组网中的系统误差配准问题,介绍了基于地心地固坐标系的三维空间配准模型,以及常用的雷达误差配准方法——最小二乘法。为了能够实时估计出系统偏差,并解决最小二乘等批处理算法在求解系统误差过程中数据量、计算量和存储量随时间递增的问题,提出了基于广义最小二乘法的有限记忆最小二乘法。通过一个实例,对新算法进行Matlab仿真,结果证明了算法的正确性和有效性。     

基于多普勒雷达组网的机动目标跟踪

非轨道飞行器跟踪需要大型的跟踪网,跟踪设备包括大型测距、测速雷达,光学经纬仪等,系统庞大,建设、维护成本高。多普勒雷达测量精度高,结构简单,易于小型化,成本较低,但一直只是被作为跟踪网的测速辅助设备,还没有被单独用来组建跟踪网。文中针对非轨道飞行器,提出了采用多台多普勒雷达构建高精度、低成本的飞行器跟踪网的思路和算法。跟踪算法采用"当前"统计模型和自适应Kalman滤波。仿真结果表明,采用多台多普勒雷达构建高精度、低成本的机动目标跟踪网是可行的。     

干扰条件下基于UPF的组网雷达目标跟踪

为解决压制性干扰对组网雷达跟踪滤波的影响,引入系统量测合成方法来解决测量信息不全的问题,采用UPF算法来解决非线性非高斯背景下的目标跟踪问题。仿真结果表明系统量测合成与UPF结合的方法,可以充分利用组网雷达"残留"信息,能够有效对目标进行跟踪,在跟踪精度和时效性上均优于标准PF算法。     

基于多基地雷达系统的机动目标跟踪算法

针对多基地雷达系统,提出一种基于目标距离和以及速度信息的快速卡尔曼滤波机动目标跟踪算法.将目标位置滤波和速度滤波结合,构成了机动目标滤波的完整形式,从而提高了跟踪精度,最后给出仿真实例并进行相关的讨论.结果表明该方法计算量小,收敛速度快,跟踪精度高,具有一定的实用价值.     

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

地心坐标系下基于UCUT-IMM的机动目标跟踪算法

针对远距离杂波环境下弹载雷达NED坐标系跟踪机动目标精度差的问题,提出一种ECEF(地心坐标系)下基于无偏UCUT-IMM的机动目标跟踪算法。该方法首先利用无偏转换把弹载雷达极坐标量测值转换到NED坐标系下的量测值,然后通过坐标旋转得到ECEF坐标系下的量测值,在ECEF坐标系下跟踪滤波,避免了远距离NED坐标系下跟踪滤波受地球曲率的影响,同时为了减少坐标非线性转换旋转所带来的误差,利用UT(不敏变换)计算出地心坐标系下的量测协方差,在此基础上采用IMM(交互多模型)算法来进一步提高目标机动时的跟踪精度。仿真结果表明,与NED坐标系下的跟踪滤波相比,该算法具有更好的跟踪精度。     

基于递推质心算法的二元传感器网络分布式目标跟踪

传感器网络的一个重要应用方向是目标定位与跟踪。为了减少通信消耗,二元传感器是一个很好的选择。在递推质心算法和动态分簇结构的基础上提出了一种分布式递推质心算法,并将其应用到二元传感器网络分布式目标跟踪中。计算机仿真结果表明,该算法能够有效地对目标进行定位跟踪,并能够在节点密度大、节点探测半径大和采样周期小的情况下减少能量消耗和计算量,从而延长网络使用寿命。     

基于红外和雷达的目标跟踪数据关联快速算法

在顺序串行多传感器联合概率数据关联算法的基础上,提出了一种杂波环境下多传感器多机动目标快速跟踪算法,即顺序的MSFAFDA.首先顺序地用来自红外和雷达的量测更新状态估计,然后应用多传感器快速数据关联算法进行数据关联,易于推广到具有多个传感器的跟踪系统.仿真结果表明,MSFAFDA算法的计算量要比一般的多传感器IMM-JPDA算法小,具有更快的收敛速度;跟踪的目标数越多,MSFAFDA算法在实时性方面的优势就越明显.     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

干扰下的组网雷达目标跟踪分析

简述了组网雷达及其对抗技术概况,引入空间匀速直线运动与水平匀速圆周机动模型下状态方程与较强干扰强度下组网雷达的观测方程,运用扩展卡尔曼滤波,在干扰条件下实现对目标跟踪。通过对受到干扰与未受干扰状态下对目标跟踪仿真与误差对比,得出仅从压制干扰或距离欺骗干扰来对抗组网雷达,其效果是非常有限的。因此,对组网雷达的有效对抗还需综合考虑增加诸如角度欺骗干扰等其他手段协同实现。     

基于信息熵准则的认知雷达机动目标跟踪算法

针对复杂战场环境下机动目标跟踪难题，提出一种认知雷达目标跟踪算法.基于人类"感知-行动"循环思想，首先把目标径向距离、径向速度和方位等量测的克拉美罗下限近似为量测误差协方差，用信息熵描述目标跟踪的不确定性，然后以最小熵为准则建立了雷达接收端数据和发射端信号处理之间联系；为避免传统交互式多模型（Interacting Multiple Model，IMM）算法由于模型转移概率设置不合理所带来的跟踪精度下降问题，受人脑三阶段记忆机制启发，将"记忆"嵌入IMM算法，通过自适应调整模型转移概率，增强了优势模型的交互主导性，弱化了不匹配模型的不良竞争.仿真实验验证了算法的有效性.