一种机载单站无源测向定位跟踪算法研究

首先提出了一种采用测量目标到达方向实现运动单站对固定辐射源进行无源定位的算法。算法利用遗传算法（GA）为扩展卡尔曼滤波（EKF）提供稳定可靠的初始状态，克服了EKF算法收敛速度慢、易发散，伪线性滤波（PLF）算法有偏差等缺点，从而获得了更好的定位效果。计算机仿真结果验证了上述方法的有效性。     

基于IEKF的目标、外辐射源联合跟踪滤波

在外辐射源雷达中,当外辐射源的位置信息未知时,无法利用外辐射源对目标跟踪定位。文中介绍了一种基于迭代扩展卡尔曼滤波(IEKF)的目标、外辐射源联合跟踪滤波算法,该算法通过对已知外辐射源和未知外辐射源的联合利用,保证了雷达系统在探测目标的同时,也可定位跟踪未知外辐射源。通过仿真数据验证,该方法对目标、外辐射源的跟踪定位有较好的滤波效果,辐射源定位收敛速度优于EKF滤波方法。     

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。     

一种单机对固定目标的无源定位方法

首先分析了对固定辐射源进行定位的2种模型:利用测角信息对固定辐射源的单站无源定位;利用角度及其变化率信息对固定辐射源的单站无源定位。分别对这2种定位方法进行分析,并通过推广卡尔曼滤波(EKF)算法对上述定位算法进行比较,加入角度变化率不但可以对目标瞬时定位,而且可以实现比只测向定位更高的定位精度。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

基于外辐射源的单站无源定位改进算法

针对外辐射源无源定位系统实现快速和高精度定位的要求,提出了一种在测量到达角及时差信息的基础上,增加方位角变化率信息的单站无源定位算法。同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。计算机仿真结果也表明了此定位方法具有较好的定位跟踪精度和速度。     

基于相位变化率的单站EKF无源定位算法研究

传统的无源定位方法主要是利用到达方位角（DOA）信息对雷达等辐射源进行测向交叉定位，但由于该方法对测角精度的敏感性，仅利用DOA信息会导致定位精度低，算法收敛时间长等不良后果。本文探讨了一种融入相位变化率（PRC）信息的推广卡尔曼滤波（EKF）算法，通过仿真，分析了DOA与PRC单独测量与联合测量对定位精度的影响，同时，将融入PRC信息的EKF定位算法与只测角定位算法进行了比较。     

伪线性滤波算法在三维测向无源定位中的应用

首先提出了一种测量目标方位角和俯仰角、实现运动单站对固定辐射源进行三维无源定位的伪线性滤波算法(PLF)。该算法利用伪测量值,将非线性测量方程变为线性伪测量方程,实现对目标状态的实时估计。该方法无需预先精确地获得目标的初始状态,克服了扩展卡尔曼滤波(EKF)算法容易发散等缺点,从而获得了稳定的目标状态估计。计算机仿真结果证明了上述方法的有效性。     

扩展卡尔曼滤波在无源定位中的应用研究

阐述了卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)的原理和方法,建立了无源定位系统的状态模型和观测模型,推导了将非线性观测模型线性化,并利用EKF进行递推滤波估计的步骤和公式。通过计算机仿真,验证了运用EKF算法解决基于方位角及其变化率测量信息的无源定位方法,结果表明,运用EKF滤波算法,可以实现单观测站对运动目标的无源定位,初始状态估计误差对定位收敛的性能有较大影响。     

对机动辐射源单站无源定位IMM算法

探讨了一种利用单个观测站对机动辐射源目标进行无源定位与跟踪的交互式多模型（IMM）算法。在该方法中，基于辐射源的信号到达时间（TOA）和信号到达方向（DOA）信息，可以实现单站无源定位，运用交互式多模型算法，可以适应目标的机动性。通过计算机仿真，验证了该方法的正确性和有效性。     

一种改进的单站无源定位算法

单站无源定位与跟踪(SOPLAT)技术逐渐成为定位跟踪领域的研究重点。首先分析了基于扩展卡尔曼滤波(EKF)的结合角度变化率、相位差变化率、多普勒频率和多普勒频率变化率的单站无源定位算法,然后利用基于极坐标的扩展卡尔曼滤波(PC-EKF)对该定位算法进行改进。计算机仿真表明,改进后的定位算法具有更高的定位精度。     

基于逐级最大似然估计的单站无源定位跟踪算法研究

本文以单站无源定位跟踪为研究背景,根据其观测方程严重非线性的情况,在最大似然估计算法的基础上提出了逐级最大似然估计算法.讨论了这种算法的最优性、计算量少的特点,以及初始值的选取对算法收敛性的影响,并通过仿真试验进行了验证.     

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。     

基于中心差分的机动辐射源单站被动跟踪算法

针对机动辐射源的单站被动跟踪问题,结合中心差分滤波(central difference filter)方法,该文提出了一种基于中心差分的交互多模型(IMM)机动目标跟踪算法,无需计算基于EKF(Extended Kalman Filter)方法所需的Jacobian矩阵,易于实现。将传统IMM算法中协方差的传递改造为平方根滤波形式,数值稳定性更好。将该算法应用到联合利用径向加速度和角度信息的单站定位系统,与基于EKF的IMM算法和基于UT(Unscented Transformation)的IMM算法仿真比较表明,该文算法和基于UT的IMM算法性能相当,比基于EKF的算法具有更高的跟踪精度。     

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。     

考虑载机位置误差的CLS多机无源定位算法

多机无源定位中存在载机位置误差却不予考虑时必然会降低目标的定位跟踪精度。为了解决存在载机位置误差情况下的定位问题,提出了一种考虑载机位置误差的约束最小二乘（CLS）多机无源定位算法。该算法对伪线性观测方程中由于测量误差和载机位置误差而导致的增广系数矩阵的误差协方差阵进行约束,并对伪线性观测方程的误差进行约束最小二乘处理,最终转化为对一组矩阵束的广义特征分解问题。仿真结果表明,相对于最小二乘（LS）算法和扩展卡尔曼滤波（EKF）算法,该算法具有更快的收敛速度和较高的定位精度,并且受载机位置误差影响小,在观测噪声比较大时仍能保持良好的定位性能。      

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。     

被动测距的可观测性分析和滤波方法

首先建立运动单站被动测距的数学模型,然后分析被动测距的可观测性,并针对实际应用提出了相应的滤波估计方法.可观测性问题分析了具有不同运动特征的目标在仅有方位角和俯仰角测量时能计算位置坐标的充分条件,将被动测距归结为典型的间接测量问题.由于直接测量的方位角和俯仰角与位置坐标的关系构成非线性测量方程,利用离散状态空间模型的分析方法,将被动测距描述为非线性状态估计问题.推广卡尔曼滤波、粒子滤波是求解被动测距非线性状态估计的常用方法.模拟了实际的被动测距模型,并用推广卡尔曼滤波和粒子滤波方法估计目标的位置坐标序列.模拟实验表明:这两种方法在运动单站被动测距中是有效的.     

对固定辐射源的单站无源定位技术

介绍了对固定辐射源目标的单站无源定位技术,利用观测站与目标相对切向运动的方位角变化率和俯仰角变化率实现快速测距及定位,分析了各测量参数、定位参数对定位精度的影响,绘制了定位精度几何分布图(GDOP),对该定位方法给出了算法仿真分析。仿真证明,单次定位测距相对误差距离增大而增大,通过多次观测得到多个时间瞬时定位结果后,对其统计处理,以改善定位和跟踪条件,减少定位误差。