基于相位差变化率的无源定位技术研究

基于单站无源定位技术研究基础,对相位差变化率定位原理进行了简要介绍,针对相位差变化率定位过程中相位模糊、定位时间长和定位精度低等问题,提出了一种基于MGEKF滤波算法的相位差变化率单站无源定位方法,该方法采用了相位差参数预处理和MGEKF定位滤波算法。经过仿真分析和外场试验验证表明:采用MGEKF定位滤波处理的相位差变化率无源定位方法,可以使单站定位速度和定位精度比传统的只测角定位法提高很多。     

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.     

利用相位差变化率的机载无源定位跟踪改进算法

为解决基于空频域信息的机载无源定位中高精度角速度参数难以获取的问题,论文利用相位差变化率对角速度的放大作用,通过2维相位干涉仪布局建立了一种新的无源定位观测模型,实现了对空中运动目标的定位。针对UKF(Unscented Kalman Filter)滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF滤波算法并进行改进,采用简化球形分布的SSUT(Simplex Spherical distribution Unscented Transform)变换进行Sigma点采样,通过减少采样点个数减小了滤波的计算量。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用改进的平方根UKF算法能够在保证稳定跟踪的同时,提高算法效率。     

短基线时差无源定位方法研究

由于短基线时差无源定位受到辐射源目标到达时间测量精度和多站间定位精度的影响,使得短基线时差无源定位精度比长基线情况要差。本文研究了短基线时差无源定位的滤波算法,推导了时差定位的推广Kalman滤波算法公式。仿真结果表明,该算法可有效提高短基线情况下的时差无源定位精度。     

WGS-84 坐标系下双机纯角度无源定位及性能分析

为实现切合实际的多运动平台对辐射源的无源定位,提出了基于WGS-84坐标系的双机纯角度交叉定位方法。推导了在各自平台坐标系下的视线(line-of-sight, LOS)到公共的WGS-84坐标系的旋转变换矩阵,然后应用空间两异面直线公垂线线段中点实现纯角度交叉定位;同时,利用一阶Taylor展开法,推导了误差经旋转变换和交叉定位等非线性变换后的协方差矩阵,并将其用于对多个单次定位估计的滤波,以提高算法定位精度。通过仿真,对影响定位精度的主要因素进行了深入分析,对比研究了单次定位和滤波定位性能,结果表明后者可明显改善精度,验证了该方法的有效性,得到的结论可指导实际运用。     

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SRCDKF的相位差变化率无源定位算法

介绍了单站相位差变化率无源定位原理.针对单站无源定位参数测量精度低、初始估计误差大引起的定位精度低,收敛速度慢的问题,引入平方根中心差分卡尔曼滤波(SRCDKF)算法.该算法使用协方差矩阵的平方根进行滤波估计,可以降低计算复杂度,保证数值稳定性.仿真结果表明,SRCDKF算法与扩展卡尔曼及其衍生滤波和无迹卡尔曼滤波等算法相比,其定位精度高、收敛速度快、数值稳定性佳,对工程应用具有一定的参考价值.     

单站无源定位技术研究

介绍了单站无源定位的原理以及基于频率信息的多普勒频率变化率测量,针对单站无源定位中对目标跟踪这样一个典型的非线性滤波问题,阐述了利用修正协方差的扩展卡尔曼滤波算法。     

一种近场无源定位方法

提出了一种近场方位和距离联合估计的无源定位算法.根据阵列信号协方差矩阵的Toeplitz特性,重构出只与信源方位角相关的近似远场协方差矩阵.对该协方差矩阵做子空间分解,通过方位估计的求根MUSIC算法得到对信源的方位角估计值;对信源距离的估计,定义了一种新的空间谱函数,仅通过一次一维搜索便可以得到所有距离谱峰;再将方位和距离配对进行简单的配对操作即完成信源的定位.最后通过计算机仿真验证了该算法的有效性.     

一种基于最小化广义Rayleigh商的无源定位算法研究

 为改善只测角无源定位的性能,提出了一种基于最小化广义Rayleigh商的无源定位算法.该算法利用扰动观测矩阵和扰动观测向量的乘性结构,将约束总体最小二乘问题转化为最小化广义Rayleigh商问题,从而只需对一对矩阵束进行广义特征值分解即可求得全局最优定位解.仿真结果表明所提算法性能稳健且计算量较小,定位收敛精度逼近克拉美罗限(CRLB),远优于最小二乘(LS)算法和总体最小二乘(TLS)算法,实用性强.     

多站无源跟踪边缘化卡尔曼滤波算法

多站无源跟踪量测方程非线性强,对跟踪算法的稳定性及精度提出了更高的要求。为实现稳定高精度跟踪,提出了新的基于边缘化卡尔曼滤波（MKF）的多机无源跟踪算法。该算法将非线性的量测方程表示为p阶Hermite多项式的加权和,将加权矩阵的先验分布建模为高斯过程,求得其后验分布后对其进行积分来消除加权矩阵的影响,最终可得对状态及其协方差矩阵估计的闭式解。以只测角跟踪为例对所提算法性能进行验证,仿真结果表明,相对于扩展卡尔曼滤波（EKF）算法、不敏卡尔曼滤波（UKF）算法及容积卡尔曼滤波（CKF）算法,所提算法具有更好的跟踪性能。      

被动传感器组网模糊综合贴近度的数据关联算法

针对被动传感器采样非周期且采样数据缺乏距离信息等特点,提出了一种用于解决目标航迹与传感器量测相关联的模糊综合贴近度的数据关联算法.由于被动传感器的量测没有距离信息且传感器探测范围小,本算法首先设置两个关联波门进行量测筛选;然后采用航向确定法得出航向角信息,并综合方位角、俯仰角信息,使用模糊综合的方法进行最终的关联,以解决关联错误率高的问题;最后使用扩展卡尔曼滤波进行目标状态与协方差的更新.实验结果证明了该算法方法的有效性.     

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。     

自适应EKF在被动跟踪中的应用研究

针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

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。     

基于SMSS-UKF的机载单站无源定位算法

基于机载单站无源定位中常用的扩展卡尔曼滤波具有近似线性方程的雅可比矩阵计算困难、不敏卡尔曼滤波(UKF)具有计算量较大的问题,提出了基于改进的变尺度最小斜度不敏卡尔曼滤波(SMSS-UKF)的机载单站无源定位算法,该方法采用最小斜度采样策略进行Sigma 点采样,减少Sigma点提高计算效率,利用变尺度不敏变换克服了采样点非局部效应问题。同时,针对大部分定位跟踪模型中状态方程为线性方程的特点,依据在线性状态方程情况下的贝叶斯理论,运用卡尔曼滤波状态预测的方法进行UKF的最优状态预测,使状态预测避免了不敏变换的数值近似误差和Sigma采样点计算的复杂性,提高了算法的运行效率和滤波精度。仿真实验的结果证明了SMSS-UKF滤波算法的有效性。     

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。     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。