基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

一种改进的单站无源定位与跟踪算法

无源定位与跟踪技术有着广阔的应用前景。对于机动干扰源单站无源定位与跟踪，直角坐标系下一阶卡尔曼滤波算法容易发散，二阶卡尔曼滤波算法运算量大。针对这一不足，本文提出了在极坐标下建立状态方程和观测方程的卡尔曼滤波进行干扰源单站无源定位与跟踪。仿真实验结果表明了该算法的有效性。     

基于EKF算法的单站无源定位跟踪研究

针对无源单站定位系统中观测方程非线性的特点,给出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法。以方位角和方位角变化率为观测量,建立了EKF算法模型。仿真结果表明EKF算法具有收敛速度快,定位精度高的特点,可以提供高精度的单站无源定位跟踪结果。     

基于EKF算法的单站无源定位研究

针对单站无源定位系统中观测方程非线性的特点,不能直接使用卡尔曼滤波估计,因而提出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法;以方向角和方向角变化率为观测量,建立了EKF算法模型;仿真结果表明EKF算法适用于非线性系统,具有收敛速度快,定位精度高的特点。     

单站无源定位原理浅析

探讨了一种基于目标频域和空域参数测量信息，利用固定单站对机动目标进行无源定位与跟踪的算法，并详细分析了定位原理。在建立目标机动模型与测量方程的基础上，运用修正增益的扩展卡尔曼滤波（MGEKF）算法，实现对机动目标进行定位与跟踪。     

基于逐级最大似然估计的单站无源定位跟踪算法研究

本文以单站无源定位跟踪为研究背景,根据其观测方程严重非线性的情况,在最大似然估计算法的基础上提出了逐级最大似然估计算法.讨论了这种算法的最优性、计算量少的特点,以及初始值的选取对算法收敛性的影响,并通过仿真试验进行了验证.     

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。     

使用插值法滤波的单站无源定位算法

综合利用到达方位角(DOA)和到达时间差(TDOA)等信息,建立单站无源定位系统的状态模型和观测模型,应用多维情形的二阶插值公式构造新型非线性滤波算法,而不需计算非线性函数的偏导,使得计算简化。仿真结果表明,用该算法可替代扩展卡尔曼滤波器(EKF)应用于单站无源定位中,能获得更为准确且收敛更快的定位结果。     

一种改进的EKPF算法在固定单站无源定位中的应用

本文针对EKPF算法在固定单站无源定位目标跟踪的应用中运算量大、实时性差的问题,通过对部分粒子进行EKF采样,将EKPF算法进行改进,改进的EKPF算法不仅有效降低了运算量,同时增加了粒子的多样性,使粒子集更能体现概率密度函数的真实分布。Matlab仿真表明,与传统的EKPF算法相比,改进算法在保证滤波性能基本不变的前提下,算法运算量大幅下降。     

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。     

固定单站对运动辐射源的无源定位与跟踪

利用测量获得的辐射源方位角和到达时间差信息 ,探讨了通过两种最小二乘估计实现定位的方法。本文对两种定位算法进行了比较 ,并进行了计算机模拟 ,其中第二种方法具有定位精度高、算法稳定的优点。     

固定单站对三维运动辐射源无源定位算法及可观测性分析

实现固定单站对运动辐射源无源定位,传统的方法是测量TOA和DOA。本文将方位角变化率测量信息也引入该定位问题,提出了基于MGEKF(修正增益扩展卡尔曼滤波),对三维运动辐射源的无源定位跟踪算法。通过推导伪线性测量方程,本文进行了测量TOA和DOA对三维运动目标无源定位的可观测性分析。最后给出了计算机仿真结果。     

基于修正SUKF的固定单站无源定位跟踪算法

针对基于超球面单形采样策略的SUKF在初始误差和观测误差较大时滤波性能下降的问题,以固定单站无源定位目标跟踪为应用背景,引入后向平滑处理,并结合系统模型特点对算法作进一步的优化,提出一种修正的SUKF算法。理论分析和仿真实验表明,文中所提算法相对于传统UKF和SUKF算法,在运算开销增加不大的前提下,有效提高了算法的稳定性和滤波精度,具有一定的工程实用意义。     

基于角度变化率的单站无源定位跟踪算法研究

针对静止单站无源定位系统中只用到达角作为观测量不能对静止目标定位,且对动态目标定位时间长,定位精度不高,不利于实时跟踪,提出了在观测站匀加速运动下,利用角度变化率作为观测量的定位方法.通过运用扩展卡尔受滤波算法进行计算机仿真表明,观测站匀加速运动下,利用到达角和角度变化率对高速飞行的物体进行定位跟踪,能够得到定位精度高,收敛速度快的估计量,更适用实时环境.     

基于无源测距的快速定位方法研究

 在分析现有单站无源定位方法优缺点的基础上,针对运动平台对固定目标进行无源定位要求快速性这一特点,提出了一种通过目标角度和角度变化率信息对观测站与目标间的距离进行解算的快速定位方法,依照定位误差的几何分布(GDOP)对该方法进行了单次和多次定位精度的仿真,验证了该方法是一种高精度的、快速的定位方法.     

单站无源定位中的抗野值鲁棒CKF算法

单站无源定位系统的测量噪声中如果出现野值,会影响滤波器的估计精度和稳定性,严重时还会导致滤波器发散。针对这一问题,基于Bayes定理并结合归一化受污染正态模型,提出了一种抗野值鲁棒容积卡尔曼滤波算法。该算法采用球面径向积分原则直接计算非线性函数的均值和方差,并对测量误差建立一个归一化的受污染正态模型,然后根据野值出现的后验概率来自适应调整测量预测残差的方差阵。结合空频域单站无源定位模型进行仿真实验表明,该算法可以较好地抑制测量噪声中的离散或成片连续野值的不利影响,具有较强的鲁棒性。     

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。