雷达伺服变增益交叉耦合协调控制研究

针对常见的双轴跟踪雷达伺服跟踪精度以及协调控制问题,为提高系统控制精度和协调性能,提出一种变增益交叉耦合协调控制模式。通过对双轴雷达伺服系统建立数学模型,在分析俯仰和水平伺服电机跟踪误差对整个雷达伺服系统精度的影响的基础上,将系统跟踪误差推广到任意运动轮廓曲线的情况,采用变增益交叉耦合控制算法对雷达伺服系统进行协调控制。经仿真验证,该方法能提高系统跟踪精度,减小系统误差。     

战场运动目标参数估计与预测

建立了战场等加速运动目标和机动目标运动状态Kalman滤波预测模型.仿真结果表明,跟踪和预测算法能对目标距离、速度、加速度等运动参数进行有效的跟踪和预测,且估计误差小,为远程寻的导弹射击准备与中制导提供了可靠依据.     

基于H∞滤波的不同目标机动模型的跟踪特性研究

文中研究了五种常见的目标机动模型下H∞滤波用于机动目标跟踪的性能.在目标位置信息可测条件下针对机动目标进行了H∞跟踪滤波仿真计算,以速度估计均方差为指标,分析了不同目标机动模型的H∞跟踪滤波精度.结果表明,基于维纳模型的H∞滤波进行机动目标跟踪精度最高,采用常加速度模型或二阶马尔可夫模型也是一种合适的选择.     

基于IMM-UKF的雷达/红外分布式加权融合算法

在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。     

基于Keystone变换与Dechirping补偿的雷达运动目标检测跟踪算法研究

对目标回波信号进行长时间积累,是在不对雷达硬件系统进行升级改造的情况下,提高回波信噪比及雷达系统探测能力的低成本实现方法。本文主要对目标沿雷达径向匀加速运动时导致的距离徙动和多普勒走动问题进行研究,提出了基于Keystone变换和Dechirping补偿的积累算法。在没有先验信息的情况下通过Keystone变换实现包络对齐,而后利用对加速度进行搜索补偿,来补偿多普勒走动以提高雷达积累增益。最后基于AR模型的卡尔曼滤波算法实现机动目标的跟踪。利用空天杯比赛数据可以证明算法在检测微弱运动目标方面的优势。     

一种提高雷达导引头对机动目标跟踪性能的自适应滤波算法

为了提高地空拦截弹雷达导引头对机动目标状态估计的精度,在增加系统观测量的基础上,提出了一种针对机动目标跟踪的自适应滤波算法。利用量测残差统计值估计目标的机动状态,自适应的调整状态方程机动频率和加速度极限值;同时利用观测噪声统计估值器,调整观测值方差大小。仿真试验结果表明该算法具有良好的机动目标跟踪性能,并能自适应变化较大的观测噪声。     

存在非高斯重尾分布噪声的纯方位目标跟踪算法

纯方位目标跟踪是目标跟踪研究中的热点问题,针对目标跟踪方程中的非高斯重尾分布噪声问题,提出了一种针对非高斯重尾分布噪声的卡尔曼滤波算法。该方法通过建立基于存在异常值的高斯分布的层次高斯模型来近似未知的非高斯重尾分布系统过程噪声和测量噪声,并使用变分贝叶斯推断来学习混合概率,解决混合概率不确定带来的滤波性能下降的问题,从而提高滤波的鲁棒性。同时针对纯方位目标跟踪模型的非线性,结合修正增益卡尔曼滤波来降低量测方程非线性的影响。数值仿真结果表明,相对于EKF、UKF和变分贝叶斯卡尔曼滤波PEKF-VB、VBEKF,新算法VBMGEKF估计精度分别提高了69.31%、58.08%、127.84%和9.36%,具备更好的鲁棒性与精度。     

速度/加速度误差补偿对光电跟踪系统精度影响分析

高速高精度跟踪控制系统,其速度和加速度误差环节的加入对系统的速度和加速度品质因数均有影响.通过Matlab对比加入速度和加速度误差补偿控制策略前后的系统跟踪误差,可得出速度和加速度误差补偿能提高光电跟踪系统跟踪精度.在跟踪以最大速度50°/s、最大加速度30°/s2的等效运动目标时,最大跟踪误差小于0.2 mil.     

加速度极限值未知条件下的GM-CBMeMBer算法

针对CS-GM-CBMeMBer滤波算法跟踪性能受加速度极限值控制的问题,提出一种加速度极限值未知的机动目标跟踪算法。该算法基于GM-CBMeMBer滤波,建立了协方差自适应递推式,以此摆脱需要预设加速度极限值的限制;为防止滤波发散,建立检验统计量表达式,设置方差阵修正系数,对协方差阵进行修正。仿真结果表明,与标准CS-GM-CBMeMBer算法相比,在加速度极限值不精确或无法获得的条件下,改进算法具有更好的跟踪精度和稳定性,更适用于真实场景下的多机动目标跟踪。     

中段弹头IMM-EKF跟踪方法及性能分析

为了提高中段弹头跟踪收敛速度以及跟踪精度,提出了一种基于交互多模型(IMM)的扩展卡尔曼滤波(Extended Kalman Filter,EKF)的跟踪算法。基于中段弹头加速度变化特点,建立了目标的中段系统动力学模型及量测模型,通过引入速度测量值,使用IMM-EKF算法对中段目标进行跟踪。仿真结果表明,通过交互多模的非线性滤波算法,可以使中段跟踪收敛速度大为加快,速度测量值的引入也使得跟踪精度有所提高,并在弹头中段与再入段衔接处有较好的跟踪性能; 验证了IMM-EKF跟踪中段弹头的有效性。