直航条件下二维运动目标纯方位系统的可观测性

为了降低目标丢失和暴露自己的可能性，需要研究观测站不进行航路机动的条件下，纯方位系统的可观测性。基于拟线性处理和最小二乘方法，在目标作匀速直线运动，单观测站作匀速直线运动，进而作匀加速直线运动的机动情形下，研究了二维纯方位系统的可观测性，得到了系统可观测性的充要条件以及系统的某些不可观测的条件。说明在直航条件下，通过观测站速度的机动变化，同样可以实现目标要素的解算。     

水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析

针对在单站纯方位目标运动分析中观测器机动航路和定位与跟踪精度问题,基于目标定位跟踪精度下限CRLB,提出用精度几何散布GDOP作为优化性能指标,采用数值寻优计算的方法,对表达式较复杂的单观测器测向无源定位的定位误差下限进行数值计算,以找出影响定位精度的主要因素.分析了观测器航路对固定目标定位精度的影响效果,并且给出了匀速直线运动航路和恒提前角匀速运动航路对目标定位精度影响的仿真计算结果,表明航路对定位精度存在很大影响,可以通过优化观测器航路来提高系统可观测程度和改善定位与跟踪算法的性能.     

多方位-速度目标跟踪法性能分析

对潜艇水下跟踪目标的一种方法-多方位-速度法进行了深入分析,发现它具有独特的性能.首先分析了系统的观测性,得出了系统可观测的两个必要条件.之后对两种可能的建模思路进行了分析,指出了一种常见的建模错误,它使得已知的目标速度未能得到利用,效果等同于仅方位法.最后对目标航向的多解现象进行了分析,指出多解性是多方位一速度法的一个基本性质.结合有关性能,还将多方位-速度跟踪和仅方位跟踪进行了比较.     

利用CUDA快速实现IMM目标跟踪

根据二维空间内目标作匀速直线运动和匀速圆周运动的特点,在建立目标运动模型和观测模型的基础上采用基于交互多模算法（IMM）的卡尔曼滤波器对机动目标进行跟踪。但由于IMM算法存在大量的递归与矩阵运算,所以实时性降低,这也是工程上难以实现的原因。通过CUDA对算法进行加速实现,在不影响算法性能的基础上实时性大大提高。仿真结果表明,利用该架构实现的IMM算法不仅能够对匀速直线运动和匀速圆周运动的目标进行实时跟踪,而且在运动模型发生变化时,实时性也得到很大提升,滤波误差也比较小。     

二维双观测站纯方位系统的可观测性

在二维空间中,针对作匀加速直线运动的目标,利用双观测站得到的测量角,讨论了等速直线运动的双观测站纯方位系统的可观测性问题.首先在理论上证明了目标作匀加速直线运动,单观测站作匀速直线运动时的目标参数的部分可观测性.进而对于双观测站情形,利用每一个观测站求解出的关于目标的部分参数满足的方程,通过研究方程组的解的存在性,得到了整个系统可观测的一些充分条件和一个充要条件.     

编队目标的仅方位跟踪

编队目标跟踪是多目标跟踪领域中的一个特殊问题.一般认为,在巡航状态下编队中的所有目标以同样的速度和航向匀速运动.这一事实可以用来帮助目标跟踪器改善跟踪效果.给出了在仅方位测量条件下编队目标跟踪的3种模型:分开模型、耦合模型和协作模型.分开模型实质上是多个单目标的同时跟踪,与单目标跟踪没有区别;耦合模型是将多个目标的待估状态耦合成一个综合的目标状态,各目标的测量信息也是合在一起使用;协作模型则是利用跟踪效果好的目标的速度和航向解算结果来帮助跟踪效果差的目标.对这3种方法进行的理论和仿真比较分析的结果表明,协作模型更有优势.     

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。     

一种基于"当前"统计模型的机动辐射源单站无源定位方法

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站对机动运动辐射源无源定位跟踪系统,提出了一种用"当前"统计模型对角速度建模,利用UKF滤波进行滤波,跟踪机动辐射源的定位方法.同时对非线性定位系统的可观测性进行了分析,得到了与辐射源作匀速运动相同的可观测条件.仿真结果表明,本文提出算法对固定单站在角速度变化的机动运动无源定位中跟踪效果更佳.     

卡尔曼跟踪滤波器的一种改进的运动模型

传统的卡尔曼跟踪滤波器都以匀速(cV)或匀加速(cA)运动作为目标运动模型,其模型固有的误差限制了跟踪精度的进一步提高。本文提出了一种保持目标推进力与速度方向成固定夹角的运动模型,在保持直线运动跟踪精度不变的条件下,使一般曲线运动跟踪精度向直线运动跟踪精度水平逼近。     

基于SCKF算法的空间机动目标跟踪研究

针对空间机动目标快速跟踪问题,建立了考虑J2项摄动和目标在线机动的系统状态模型和天基仅测角观测模型,通过对比研究采用了一种平方根容积卡尔曼滤波方法进行目标跟踪。针对空间目标共面机动和异面机动等不同机动方式,研究了SCKF算法在不同机动方式下的跟踪性能。仿真结果表明,在机动能力相同的情况下,轨道面内的机动较轨道异面机动更容易使滤波器发散;通过4种机动方式比较研究,SCKF滤波器对轨道坐标系中横向机动最为敏感,而沿探测器与目标的视线方向机动最易被再次稳定跟踪。     

等速直线运动单观测站纯方位目标运动分析

对等速直线运动单观测站纯方位目标运动分析问题进行了探讨,对目标的部分可观测参数建立了基于最小 二乘形式的拟线性算法,仿真表明该算法具有良好的稳定性。     

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF 算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。     

Unscented卡尔曼滤波对目标位置预测

采用一种针对目标位置预测只能测量角度信息的卡尔曼滤波算法,实现对目标的位置、速度和加速度的估计。由于是纯方位目标运动分析,所以一般的线性滤波方法不能使用,主要使用UKF滤波算法,并给出了具体步骤。通过仿真运算与以前的方法进行比较,发现该算法实现方便,并在滤波精度、稳定性和收敛时间等方面有了很大提高。     

Distributed multi-sensor particle filter for bearings-only tracking

In this article, the classical bearings-only tracking (BOT) problem for a single target is addressed, which belongs to the general class of non-linear filtering problems. Due to the fact that the radial distance observability of the target is poor, the algorithm-based sequential Monte-Carlo (particle filtering, PF) methods generally show instability and filter divergence. A new stable distributed multi-sensor PF method is proposed for BOT. The sensors process their measurements at their sites using a hierarchical PF approach, which transforms the BOT problem from Cartesian coordinate to the logarithmic polar coordinate and separates the observable components from the unobservable components of the target. In the fusion centre, the target state can be estimated by utilising the multi-sensor optimal information fusion rule. Furthermore, the computation of a theoretical Cramer–Rao lower bound is given for the multi-sensor BOT problem. Simulation results illustrate that the proposed tracking method can provide better performances than the traditional PF method.     

基于交互多模型的低空目标跟踪算法研究

研究了基于交互多模型(IMM)的低空目标跟踪问题。分析了低空目标的运动特征,给出了目标匀速(CV)直线、匀加速(CA)直线、曲线飞行航迹模型。在交互多模型(IMM)算法中,采用多种运动模型跟踪低空目标。在所研究的大机动模型情况下,通过多次数据处理优化参数后,统计分析结果表明,该算法滤波后数据误差明显降低,数据精度有较大的提高,能够稳定精确地跟踪低空目标。因此,该低空目标跟踪算法是有效的。     

粒子滤波在机动目标纯方位跟踪中的应用

文章将多模粒子滤波算法用于机动目标纯方位跟踪，通过估计模型的概率而不是寻找最优算法去进行局部线性化和表征非高斯后验密度，从而减小了近似误差。在仿真研究中，与IMM—EKF的比较验证了多模粒子滤波处理机动目标纯方位跟踪问题的优越性。     

基于协方差旋转变换的目标跟踪算法

针对EKF对初值选取的敏感性和线性化误差较大等问题,根据目标初始距离可能分布,进行距离区间的分割,建立每区间所对应的滤波模型;利用协方差旋转变化原理,确定旋转变换的近似矩阵;分析这种近似处理的误差,提出基于协方差旋转变换的多模型滤波算法,采用蒙特卡罗方法进行了仿真计算。     

基于IMM-UKF的机动目标跟踪方法

针对目标运动模式的不确定性和运动模型的非线性问题,提出基于无味卡尔曼滤波器的交互式多模型方法。该算法采用匀速运动模型、匀加速运动模型、已知转弯角速度的匀速率转弯模型和“当前”统计模型作为模型集,用无味卡尔曼滤波实现非线性状态估计。仿真结果表明,该算法比传统的交互式多模型算法具有更高的跟踪性能。     

纯方位目标跟踪极坐标模型的状态空间变换方法

在纯方位目标跟踪定位研究领域里,采用极坐标模型,可以实现可观测状态和不可观测状态的分离,但非线性的系统方程使算法的具体实现非常困难。利用状态空间的变换,可避免直接计算非线性函数雅可比矩阵的值,减小了计算量,提高了滤波稳定性。