两站基于角度和时差信息的伪线性卡尔曼滤波算法及其改进

建立了两站基于角度(DOA)和时差(TDOA)信息的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波(PLKF)算法。仿真结果表明该算法的稳健性要高于扩展卡尔曼滤波(EKF)算法,当观测误差较小时,PLKF算法的定位精度要高于EKF算法;当观测误差较大时,其定位精度低于EKF算法。对此文中结合两种算法的优点,提出了改进算法,以同时提高算法的定位精度和稳健性。     

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。      

基于伪线性和输入估计的无源自适应跟踪算法

基于伪线性滤波算法和输入估计算法提出了一种对空中机动目标进行三维测向无源自适应跟踪的新算法。该算法把目标机动加速度看成是未知的输入向量附加到状态方程中,再利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度。仿真结果表明：该算法不需要对目标进行机动检测,即能够适应目标机动和非机动2种工作模式,实现对空中机动目标的自适应无源跟踪。     

基于红外辐射信息的IRST系统机动目标跟踪算法

传统的IRST(红外搜索与跟踪)系统是一个仅有角测量的系统,对于目标距离是不可观测的.文中增加了红外探测器对目标红外辐射的响应信息这一测量项,使其成为一个距离可观测系统,并在此基础上,建立了目标的观测模型,推导出了机动目标跟踪的EKF跟踪算法.通过跟踪一个机动目标的仿真过程,对算法性能进行了检验,结果表明:本算法对机动目标能进行有效的跟踪,而且跟踪精度也是令人满意的.     

基于自适应修正UKF算法的网络多平台无源定位跟踪系统

针对传统网络多平台机载无源定位跟踪存在作战区域有限,精度低,易出现盲点等缺点,提出了在多平台时差算法的基础上引入一种自适应修正的无迹卡尔曼滤波算法进行机载无源定位跟踪。考虑不同的作战环境,对模型进行了推导和分析,采用不同的算法对模糊、无解问题中出现的奇异点进行了滤波结果比较。证实使用该自适应修正无迹卡尔曼滤波算法进行定位跟踪时,降低了奇异点给系统带来的影响,有效的提高了定位跟踪的精度与稳定性,扩大了机载多平台的协同作战的任务范围。     

基于随机有限集理论的无源多站联合定位与跟踪算法

针对无源多站目标跟踪中涉及到复杂的数据关联以及测向交叉定位处理,提出了基于随机有限集理论的无源多站联合定位与跟踪算法( RFS-JLT)。该算法采用伯努利随机有限集形式构建目标状态和多站量测随机有限集模型,依据目标运动特性以及随机有限集卷积公式计算出多目标状态转移密度函数和多站量测似然函数,然后基于多目标贝叶斯估计理论推导了目标后验概率密度的递推式,避免了多站测向数据关联以及交叉定位处理。仿真结果表明,在无源多站目标跟踪中,RFS-JLT算法能够显著提升目标跟踪精度。     

运动多平台无源跟踪截尾不敏卡尔曼滤波算法

针对已有非线性滤波算法用于运动多平台无源跟踪时精度不高的问题,提出了一种新的跟踪算法即截尾不敏卡尔曼滤波（TUKF）算法以改善跟踪性能。该算法对状态先验概率密度函数及测量噪声概率密度函数进行截尾处理,使其变为具有有界支撑集的函数,并在此基础上结合原始状态先验概率密度函数设计了混合先验概率密度函数,然后针对其中的两种先验概率密度函数,分别应用不敏变换计算对应的后验概率密度函数的前两阶矩信息,并对其进行融合处理得到最终状态估计。仿真结果表明相对于几种典型的非线性滤波算法,TUKF算法能有效改善跟踪性能。      

鲁棒的高斯和容积卡尔曼滤波红外目标跟踪算法

为提高恶劣测量环境下单站红外搜索与跟踪系统的跟踪性能,提出了一种鲁棒的高斯和容积卡尔曼滤波算法.首先,为改善滤波初值模糊问题,在容积卡尔曼滤波框架下将滤波器分为若干不同初值的子滤波器,利用似然函数逐步减小初值偏差较大的子滤波器权值;其次构建非线性程度判别量,在高非线性情况下将预测密度沿最大特征向量方向进行分割,提高滤波精度;最后利用等价权函数改善新息协方差,减小异常误差对滤波准确性和稳定性造成的影响.实验结果表明,不存在异常误差时,所提算法跟踪结果优于传统算法;存在异常误差时,传统滤波方法的精度明显降低,而所提算法依然能够得到准确可靠的跟踪结果.     

多站无源雷达多起伏目标检测前跟踪算法

针对多站无源雷达背景下多起伏目标同时检测和跟踪的问题,该文提出一种基于多目标多伯努利(MeMBer)滤波器的多起伏目标检测前跟踪(TBD)算法。由于起伏目标的平均信噪比(SNR)未知使得目标的回波幅度似然函数不确定,该文假定包络检波器的输出平均SNR服从先验的均匀分布,并对可能取值区间进行边缘化处理,得到一个估计的似然函数,基于该估计的似然函数,融合中心利用所有收发对的幅度观测信息对MeMBer滤波器的各个预测分量进行更新。仿真结果表明,该算法能够有效地同时检测和跟踪多起伏目标,并且在平均SNR大于9 dB时,其性能与平均SNR已知情况下的性能近似。     

多站差分多普勒定位技术

研究差分多普勒定位原理、频差分布和多差分多普勒定位技术，分析定位误差因素，最左分多普勒定位区域应该是频差较大的区域，仿真结果表明，探测站线性配置误差较大，生趣配置误差较小。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器中,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层神经网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,由于多层神经网络的应用,估计精度显著提高。     

多传感器分布式推广卡尔曼滤波算法及其在雷达红外目标跟踪中的应用

本文提出了一种用于非线性系统的多传感器分布式推广卡尔曼滤波算法,该算法中系统的动态方程和传感器的观测方程分别围绕全局估计和全局预测线性化,融合中心基于所有传感器观测的全局估计由各传感器基于自身观测的局部估计来重构。算法分析说明,全局估计的精度高、误差小。最后介绍了文中算法在雷达和红外两种传感器跟踪机动目标中的应用,仿真结果验证了该算法的有效性。     

将粒子残差一致性度量的滤波算法用于纯方位被动跟踪

在低信扰比条件下的纯方位被动跟踪中,针对量测似然度评估粒子权重的方式对于滤波结果的不利影响,提出了一种基于粒子残差一致性度量的粒子滤波算法.首先,利用粒子残差实现采样粒子由状态空间到量测空间的映射变换;在此基础上,通过置信度距离和置信度矩阵的构建及求解,完成对于粒子权重的合理度量.新的粒子权重评估方法实现了对于最新量测信息及粒子间蕴含冗余和互补信息的充分提取和利用,使得粒子权重度量结果更加稳定和可靠.最后,仿真实验验证了算法的有效性.     

智能跟踪策略研究

用成像方式提取目标的图像信息,用估值理论求取目标状态的最佳估值,用自适应方法调整跟踪滤波器的参数以实现智能跟踪。模拟结果表明了良好的跟踪效果。     

卡尔曼滤波在被动目标跟踪系统中的应用

针对卡尔曼滤波方法在双观测站被动目标跟踪系统中的应用进行了研究。建立了双观测站被动跟踪系统的非线性滤波模型,通过扩展卡尔曼滤波方法在该非线性模型下的具体实现步骤。分析了目标通过不同角度向观测站袭来时,卡尔曼滤波算法对目标参数估计的精度,验证了扩展卡尔曼滤波方法在被动目标跟踪中的有效性。仿真结果表明,目标参数估计的精度与观测的目标方位角变化率有关,变化率越大,估计误差越小。     

基于改进均值位移的红外目标跟踪方法

针对红外序列图像中目标存在旋转的问题,提出了一种改进的Meanshift跟踪方法.首先通过建立带有带宽矩阵Gaussian核的Meanshift矢量,采用类似EM的方法给出了递推公式;并且通过对图像序列的运动补偿,提高了算法的适应性;同时通过和Kalman滤波相结合,提高了算法的鲁棒性.实验结果证明算法能够成功实现对红外目标的跟踪,并且对目标旋转和缩放具有很强的适应性.     

无源微波遥感用于监测混凝土工程稳定性的实验研究

在等温过程加载条件下,得出混凝土等固体物质的微波幅射能量随压力变化的实验结果。实验证明了机械能可直接激发固体物质分子的转动态能级发生跃迁,不需经历生热的中间物理过程。这一物理现象把应力同微波辐射能量从物理上直接联系了起来,为无源微波遥感用于测量大型混凝土工程应力场分布、演变,用于岩土工程稳定性监测和失隐预测,提供了实验依据,奠定了物理基础。     

基于卡尔曼滤波的三星时差运动目标定位技术

针对三星时差无源定位体制的特点,研究空中运动目标辐射源定位技术.在匀速直线运动目标模型下,通过改变地球方程参数,利用牛顿迭代算法给出目标的瞬时初始定位点,并在此基础上利用不敏卡尔曼滤波对运动目标进行跟踪定位.仿真验证表明,利用三星时差测量体制和相关滤波算法,可以有效实现空中运动目标的跟踪定位,精度优于5 km;同时在精...