机载快速无源定位原理及误差分析

利用干涉仪测向和相位变化率测距可以实现机载快速无源定位.干涉仪测向有较高的精度和较快的速度,相位变化率测距建立在干涉仪测向的基础之上.这种体制较容易在飞机上实现.干涉仪测向中相位的周期性,对测向范围和信号带宽提出了限制,而测向误差和相位误差对测距精度影响较大.综合测向和测距两方面得到定位误差,其结果可以满足实用要求.     

新型无源探测系统中的无源定位技术研究

文中针对新型无源探测系统提出了相位差变化率和EKF相结合的定位算法,并进行了仿真分析,结果表明这种算法和现有的无源定位算法相比的优越性和应用在新型无源定位系统中的可行性.     

一种改进的复合机载单站无源定位方法

针对机载单站无源定位这一多维非线性滤波问题,提出一种将相位差变化率和多普勒频率变化率相结合的复合定位方法。通过讨论该方法的定位原理,并进行单次定位误差分析,得到影响定位精度的主要因素。仿真结果表明,该定位方法比相位差变化率法和多普勒频率变化率法具有更好的适用性和实时性。     

微波无源探测技术在制导和定位中的应用

微波无源探测技术在航空、航海、气候、环境及军事中的制导和定位都有广泛的应用。介绍了WASP、SADARM和STAFF等武器的微波无源末制导应用发展以及美国和俄罗斯等国在微波无源定位系统的研究发展，最后对存在的一些问题进行探讨。     

利用相位差变化率的机载无源定位跟踪算法

为解决机载无源定位中高精度角速度参数难以获取的问题,利用相位差变化率对角速度的放大作用,通过二维相位干涉仪布局建立一种新的无源定位观测模型,实现了对空中目标的定位。针对UKF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进行跟踪滤波。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,采用平方根UKF能够获得稳定的跟踪效果。     

机载单站无源定位技术分析

无源定位技术已经形成了多种成熟的方法, 分别应用于不同的目的和场合.分析了7种无源定位技术的原理和方法, 给出了定位模糊区和精度的结论, 并比较了各自的性能和特点.     

一种运动单站多普勒无源定位法

应用角度变化率的概念,通过对多普勒频移方程施加微分变换,给出了仅基于频差测量的多普勒变化率近似计算式。随后,基于连续多点探测的方式,利用相邻探测节点间多普勒变化率和切向速度的比值关系,由速度恒等式即可获得多普勒实时测距公式,随后再次利用多普勒变化率方程式即能直接解得目标的相对方位。     

新型无源探测系统中固定单站无源定位技术研究

文中针对新型无源探测系统中单站无源定位的问题,建立了基于相位差变化率的固定单站定位与跟踪模型,并基于该模型引入了对于空中运动目标的修正增益卡尔曼滤波算法(MGEKF).通过计算机仿真,验证了该方法的有效性和稳定性.     

MVEKF算法在无源定位中的应用

文中针对新型无源探测系统的要求,提出了多普勒频率变化率和MVEKF相结合的定位算法,并进行了数学建模和仿真分析,结果表明这种算法将在新型无源探测系统中具有很好的应用前景.     

一种新型单站无源定位算法研究

原有的基于方位角、俯仰角及其变化率的无源定位算法要求目标静止或运动速度已知,在一定程度上限制了算法的应用.针对新型无源探测系统的要求,提出了增加观测信息,即多普勒频率及其变化率,不仅能够在目标运动速度与运动状态未知的情况下实时估计出目标相对于观测器的三维坐标,而且还能够估计出它们之间的相对速度.同时引入扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对原始定位结果进行了处理,最后给出了计算机仿真结果.     

一种基于概率的机载红外对地被动定位方法

测角交叉定位即三角测量法是机载红外设备对地面固定辐射源进行被动定位的常见方法之一,但由于存在测量误差使其在测量定位时精度不高.文中引入概率密度对三角测量法的结果进行分析,确定出最佳定位点,从而可提高测量精度,满足计算要求.     

基于运动学原理的无源定位技术

在目标与探测器之间存在相对运动的条件下,利用运动学原理可以实现无源测距。结合几何学定位原理和非线性滤波技术可以实现对辐射源目标快速高精度的无源定位跟踪。     

一种小型化单通道被动毫米波成像制导技术

为实现被动毫米波成像制导技术的小型、低成本的实用化要求,提出一种新型的小型化单通道被动毫米波成像技术.通过被动毫米波成像制导技术的原理介绍,辐射计天线温度的计算,交流全功率毫米波辐射计的原理介绍,输出信号特征分析,以及辐射计输出信号采样系统的原理介绍,系统地进行了该项毫米波被动成像制导技术的研究.     

基于奇异值分解的改进机载单站无源定位算法

针对机载单站无源定位系统中的滤波算法存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种基于奇异值分解的平方根sigma点卡尔曼滤波算法(Square Root Sigma Point Kalman filter based on Sin-gular Value Decomposition,SVD-SRSPKF)。新算法利用奇异值分解代替Cholesky分解或更新,并使用误差协方差的平方根替代协方差进行滤波,保证滤波算法的数值稳定性。仿真结果表明:SVD-SRSPKF算法比其他同类算法具有更高的收敛速度、定位精度和数值稳定性。     

混合噪声条件下的目标被动定位算法

为提高被动传感器观测噪声为含时变有色噪声、跳变噪声的混合噪声时容积卡尔曼滤波（CKF）算法的滤波精度和稳定性,提出一种自适应容积卡尔曼滤波（ACKF）算法。在ACKF算法中,在基本CKF算法基础上,采用观测重构、待定系数去相关方法,推导得到有色噪声条件下的容积卡尔曼滤波算法。针对时变有色噪声和跳变噪声导致滤波精度受损的问题,引入噪声方差在线修正及有害观测剔除的思想,进行了ACKF算法设计。仿真结果表明,与基本CKF算法相比,ACKF算法在x轴、y轴、z轴3个方向得到的被动定位精度分别提升了24.75％、32.57％和28.48％,具有更高的滤波稳定性和精度。