慢速目标仅测角无源定位算法研究

为解决反辐射导弹对慢速运动目标定位精度的难点问题,建立了慢速目标的定位模型,推导了静止目标定位误差的克拉美罗下限(CRLB)。将仅测角条件下无机动单站对运动辐射源的不可观测问题转化为模型误差问题,从而实现对慢速目标仅测角无源定位。针对传统扩展卡尔曼滤波(EKF)算法定位精度低,过于依赖初始化条件的缺点,提出了基于距离-角度划分的网格搜索法(RA-GBF)。该方法在降低传统的GBF方法的计算量同时,定位性能优于EKF算法。仿真实验证明了方法的有效性。     

基于自适应渐消记忆的蓝牙序列匹配定位算法

针对传统指纹定位算法建库耗时长和定位精度低的问题,该文提出一种基于自适应渐消记忆的蓝牙序列匹配定位算法。首先,利用行人航迹推算(PDR)和最近邻算法(NNA)对运动序列进行位置标定和接收信号强度(RSS)映射;然后,根据邻近位置的相关性,采用序列递归搜索算法构建指纹序列数据库;最后,通过自适应渐消记忆算法,并结合初始序列匹配度实现位置估计。实验结果表明,该算法在室内环境下能够获得较低的建库时间开销以及较高的定位精度。     

一种单星对同步轨道卫星的仅测角定位跟踪算法

针对中低轨卫星对同步轨道卫星定位时存在的可观测时间短等限制,结合同步轨道卫星轨道的特点,利用测角信息计算出距离信息。将距离信息与测角信息一起建立新的测量方程,进而提出一种新的基于J2000.0惯性系的单颗中低轨卫星对同步轨道卫星的扩展卡尔曼仅测角被动跟踪定轨方法,并对测量方程的变量和坐标转换给出了明确定义。仿真结果表明,该算法实现了单颗中低轨卫星对同步轨道卫星的仅测角被动跟踪定轨,若已获得被测星的先验知识,该算法收敛时间优于未引入距离信息的常规算法。     

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。     

仅测角卫星跟踪的扩展卡尔曼粒子滤波算法

卫星被动跟踪技术对于空间监视系统非常重要,为提高非合作跟踪模式下空间低轨卫星(LEO)的跟踪精度,提出一种基于扩展卡尔曼粒子滤波(EKPF)的仅测角卫星被动跟踪算法.首先,在卫星二体运动下,以地球惯性直角坐标系为基础,对卫星运动状态方程的二阶线性化、状态方程和测量方程的雅可比矩阵进行了详细推导.其次,利用二阶扩展卡尔曼...     

自适应多重渐消IEKF及其在目标跟踪中的应用

目标跟踪应用中,针对迭代扩展卡尔曼滤波(IEKF)在模型失配和噪声时变情况下出现精度下降甚至发散的问题,提出了一种基于多重渐消因子的自适应IEKF算法.该算法首先通过一个基于正态分布的限定记忆新息协方差估值器来计算新息协方差估计值,并根据估计均方误差把多重渐消因子分配给各数据通道;再依照x2检验原理判断系统是否异常,仅...     

平面阵约束自适应单脉冲测角算法

单脉冲测角技术原理简单且易于工程实现,被广泛应用于各类雷达系统中,但在近主瓣干扰环境下,采用常规自适应波束形成技术会导致单脉冲鉴角曲线产生畸变,严重影响雷达测角性能。针对此问题,本文提出一种适于二维面阵的约束自适应单脉冲测角方法,将多约束自适应方向图保形技术与广义单脉冲测角技术相结合,实现干扰环境下的目标角误差估计。仿真实验表明,该方法能够在抑制近主瓣干扰的同时,基本保持理想单脉冲鉴角曲线,大幅提升雷达在未知干扰环境下的角误差估计性能,从而实现目标稳定跟踪。     

平面阵线性约束自适应单脉冲测角算法

平面阵单脉冲测角具有方位、俯仰二维方向信息耦合的特点,需要利用二维单脉冲信息联合进行角度估计。本文基于最大似然单脉冲测角算法,采用线性约束自适应波束形成方法,将二维角度联合估计简化为一维角度估计,具有较好的可实现性。计算机仿真结果验证了该方法的有效性。     

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。     

线性约束自适应单脉冲测角算法约束条件研究

介绍平面阵线性约束自适应单脉冲测角算法原理。分析了选取约束条件的方法。最后给出一种提高线性约束自适应单脉冲测角算法性能的途径。     

基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

基于Kalman的滤波目标精确跟踪技术研究

阐述了基本kalman滤波方法,讨论了针对非线性系统应用的kalman滤波方法的改进形式EKF、UKF。为了增进UKF运算效能,提出了引入衰减系数的滤波形式DCUKF。针对二维平面非匀速运动的目标的精确跟踪定位系统,仿真对比分析了EKF、UKF及DCUKF的滤波计算效果。结果表明DCUKF有更好的滤波效果。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题,提出了一种简单的正则粒子滤波,克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象,将粒子滤波成功应用到无源定位中,计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

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。     

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。     

应用多模算法的纯方位被动定位

在被动定位中,初始状态值不能精确得到,其设定误差一般较大,从而影响滤波收敛速度和精度。为解决这一问题,采用了多模型滤波方法,多个滤波器分别在不同的初始条件下同时滤波,实时计算各滤波器的加权值,然后进行数据互联。理论分析和仿真结果表明,应用这一方法,收敛速度和精度得到改善,提高了算法的适应性。     

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。