基于交互多模型的机载雷达高度滤波算法

机载三坐标雷达系统中,受雷达孔径的限制,俯仰方位的测角精度较差。为了获取目标在俯仰位置的精确信息,提出了基于交互多模型的机载雷达高度滤波算法。该算法先计算目标的地理高度,再采用基于匀速运动与当前统计(CS)模型的交互多模型滤波算法对目标的地理高度进行滤波。仿真结果表明:该算法在目标高度机动与非机动情况下均能有效跟踪目标高度变化,具有较好的适应性与滤波精度。     

基于“当前”统计模型的自适应不敏卡尔曼滤波算法

基于机动目标"当前"统计模型在直角坐标系下建立了三坐标雷达跟踪系统的状态方程和观测方程。针对非线性自适应滤波这一问题,提出了一种基于"当前"统计模型的自适应不敏卡尔曼滤波算法(CS-UKF),并对算法作了说明。通过计算机仿真验证了CS-UKF算法的有效性,并且该算法跟踪效果良好,精度好于基于"当前"统计模型的自适应扩展卡尔曼滤波算法(CS-EKF)算法。     

地心坐标系下基于UCUT-IMM的机动目标跟踪算法

针对远距离杂波环境下弹载雷达NED坐标系跟踪机动目标精度差的问题,提出一种ECEF(地心坐标系)下基于无偏UCUT-IMM的机动目标跟踪算法。该方法首先利用无偏转换把弹载雷达极坐标量测值转换到NED坐标系下的量测值,然后通过坐标旋转得到ECEF坐标系下的量测值,在ECEF坐标系下跟踪滤波,避免了远距离NED坐标系下跟踪滤波受地球曲率的影响,同时为了减少坐标非线性转换旋转所带来的误差,利用UT(不敏变换)计算出地心坐标系下的量测协方差,在此基础上采用IMM(交互多模型)算法来进一步提高目标机动时的跟踪精度。仿真结果表明,与NED坐标系下的跟踪滤波相比,该算法具有更好的跟踪精度。     

压制干扰下基于联邦滤波的机动目标跟踪方法

针对远距离压制干扰下机动目标跟踪问题,分析了远距离大功率压制干扰对于雷达探测及测量精度的影响,引入新的量测模型模拟雷达在压制干扰下由于探测概率下降出现的目标暂消现象,并利用去相关无偏量测转换方法将球坐标下的量测转换到直角坐标系下.在此基础上,基于自适应联邦滤波的思想建立了雷达压制干扰下的机动目标跟踪算法.仿真结果表明,...     

一种新型自适应卡尔曼滤波算法

主要完成卡尔曼滤波在准连续波雷达数据处理(距离和速度)中算法应用研究,实现一种新型自适应卡尔曼滤波算法.通过计算机仿真,该算法能够适应不同的机动目标,并对测量数据中的有色噪声有较强的抑制作用,满足实时要求,提高雷达测量精度.     

基于IMM-UKF的航天测控雷达机动目标跟踪

航天测控中雷达的测量值具有较大的随机误差,用雷达的测量值直接解算运载火箭的外弹道跟踪精度较低。提出基于IMM-UKF的雷达机动目标跟踪方法,适应了航天发射任务中运载火箭在不同时段具有不同机动特性条件下对机动目标稳定精确跟踪的需要。仿真结果表明和利用雷达测量值直接解算目标弹道的方法以及采用单一运动模型的UKF滤波方法相比,IMM-UKF算法具有更高的外弹道跟踪精度,并且算法的收敛速度满足航天测控外弹道跟踪的实时性要求。     

变维的机动目标跟踪算法

为改善现有机动目标跟踪方法存在的跟踪精度不高、滤波易发散的问题,提出了一种RA-Jerk-EKF算法,该算法将目标径向加速度信息引入量测向量,通过增加雷达量测向量维数提高机动目标的跟踪精度。在信号处理阶段利用分数阶傅里叶变换(FRFT)估计出目标的径向加速度,并将其通过坐标转换引入量测向量中;在数据处理阶段采用Jerk模型和扩展卡尔曼滤波(EKF)算法解决滤波算法中非线性量测方程问题;最后将该方法与传统的不带径向加速度的Jerk-EKF方法进行了仿真比较。结果表明,该方法在跟踪精度,位置、加速度和速度估计精度方面均有所改善。     

三坐标雷达跟踪算法研究及应用

探讨了三坐标雷达目标跟踪算法，并研究了近邻域相关算法在三坐标雷达目标跟踪中的实现，最后较详细地分析了该算法在工程中的应用。     

雷达光电智能协同探测技术研究

对低慢小目标的探测,当前雷达光电协同跟踪算法存在较大缺陷,特别是当目标发生强机动时,协同跟踪精度大大降低,主要原因是雷达给出的距离预报精度较差。针对低慢小目标,首先提出了雷达光电协同跟踪流程,然后给出了基于雷达光电数据的距离解耦算法,为光电设备提供高精度的距离信息,最后采用基于IMM-BLUE序贯集中式融合算法,有效地提高了雷达光电协同跟踪的精度和数据率,同时该算法给出了目标的高度,为低慢小目标的打击,提供高质量引导数据。     

基于多普勒耦合估计的弹道目标测距方法

反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法：首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势：利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。     

基于多普勒雷达组网的机动目标跟踪

非轨道飞行器跟踪需要大型的跟踪网,跟踪设备包括大型测距、测速雷达,光学经纬仪等,系统庞大,建设、维护成本高。多普勒雷达测量精度高,结构简单,易于小型化,成本较低,但一直只是被作为跟踪网的测速辅助设备,还没有被单独用来组建跟踪网。文中针对非轨道飞行器,提出了采用多台多普勒雷达构建高精度、低成本的飞行器跟踪网的思路和算法。跟踪算法采用"当前"统计模型和自适应Kalman滤波。仿真结果表明,采用多台多普勒雷达构建高精度、低成本的机动目标跟踪网是可行的。     

针对机动目标跟踪的雷达发射波形选择

该文首先在交互多模型(Interacting Multiple Model, IMM)算法的框架下,选择常速模型和自适应加速度模型作为状态模型,以应对实际中非合作目标的非机动与机动状态,并将此算法称为自适应IMM算法。然后针对机动目标跟踪时,雷达发射波形的选择需要兼顾测距测速性能与多普勒容忍性的问题,提出将V型调频(V-Linear Frequency Modulated, V-LFM)信号作为发射波形。通过分析多脉冲线性调频信号,V-LFM信号和M序列3种信号对目标距离和速度估计性能的克拉美罗下界(Cramer-Rao Lower Bound, CRLB)与多普勒容忍性表明,V-LFM信号可以在较少多普勒容忍性损失的情况下,有效提升对目标距离和速度的估计精度。仿真结果表明:发射多脉冲V-LFM信号并采用自适应IMM算法,可以明显提高雷达系统的跟踪性能。     

基于雷达点迹处理的抗RGPO干扰的机动目标跟踪

针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型－概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。     

PD相控阵雷达跟踪性能及资源管理分析

针对脉冲多普勒体制的相控阵雷达，利用交互多模型方法，分析了径向速度对相控阵雷达跟踪性能及雷达资源管理的影响。结果表明，在相同条件下，引入径向速度量测不仅可以减少跟踪机动目标时所使用的雷达资源，而且可以显著改善目标的跟踪精度，机动越大，性能改善越多。在工程实现上，应采用引入径向速度的变采样间隔跟踪滤波器。     

一种低精度传感器跟踪算法

针对低精度雷达的数据关联和目标机动跟踪问题,在此介绍了一种改进的邢滤波算法,该方法通过引入隶属度函数,很好地解决了该体制雷达下的数据关联和目标机动判断问题,提升了数据关联及目标机动判断的准确性。工程实践证明,该方法应用于航迹起始和争动目标跟踪中,大大提高了跟踪的性能,具有很好的实用性。     

雷达目标角度跟踪环路滤波器设计新方法

角度跟踪环路在机载雷达对目标的距离、速度、角度3维联合跟踪中起着至关重要的作用。该文分析指出传统采用卡尔曼滤波算法形成角度跟踪环路对机动目标角度进行跟踪时跟踪精度低,角跟踪误差收敛速度慢的缺点,提出弯曲度检测跟踪环路滤波器(Bend Degree Tracking Loop Filter, BDTLF)设计方法,其利用弯曲度检测角度曲线拐点,自适应地调节环路滤波器环路等效噪声带宽,并以此来控制角度跟踪环路。此算法加快了角跟踪误差的收敛速度,减轻了拐点处的角度滤波扰动,保持了滤波性能的连续性。计算机仿真结果验证了该文方法相比于卡尔曼滤波算法、粒子滤波算法、-- 滤波算法及恒定系数环路滤波器方法,对弱机动目标角度跟踪具有更加出色的性能。     

基于量测转换IMM的多普勒雷达机动目标跟踪

多普勒雷达目标跟踪中,如何有效解决系统量测与目标状态之间的非线性并实现机动目标跟踪,是亟待解决的问题.本文提出一种基于量测转换交互多模型（Interactive Multiple Model,IMM）的目标跟踪算法,其以IMM为框架,并结合静态融合滤波器处理多普勒量测的结构,解决多普勒雷达机动目标跟踪问题.仿真结果表明了所提出算法的有效性.     

改进的“当前”统计模型变采样率目标跟踪算法

为满足实际雷达系统对高精度和高实时性的要求,提出了一种改进的"当前"统计模型变采样率机动目标跟踪算法。该算法针对"当前"统计模型必须预设加速度极值和机动频率的问题,提出一种加速度方差和机动频率在线同步自适应方法,建立改进的"当前"统计模型机动目标跟踪算法;针对在线自适应方法计算量大的问题,结合采样周期的大小与目标机动特性的关系,引入变采样率方法。仿真结果表明,与传统"当前"统计模型相比,改进的"当前"统计模型机动目标跟踪算法能显著提高对不同机动强度目标的跟踪精度;变采样率方法通过减少采样点数,节省了系统资源,提高了跟踪实时性;所提算法将两者结合,用传统的"当前"统计模型1.5~2倍的平均采样周期得到了更小的位置均方根误差,实现了用单模型方法同时改善跟踪精度和实时性的目的。     

一种精确跟踪机动目标的非线性滤波算法

在非线性系统中,最常用的是扩展卡尔曼滤波算法(EKF),当目标距离较远时,滤波器由于量测方程非线性的影响,误差较大。以机动目标“当前”统计模型为基础,建立新的机动目标模型,加入多普勒速度测量对补偿线性化误差的跟踪算法(PTLKF)进行改进。最后融入修正的加速度方差自适应算法对机动目标进行跟踪。仿真结果表明:在非线性观测条件下,改进的PTLKF算法和修正的加速度方差自适应算法的融合可以有效地改善跟踪的效果,并且其计算量明显小于强跟踪滤波算法。