基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF（Extended Kalman Filter）滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF（Unscented Kalman Filter）以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer—Rao下界。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

一种基于EPF滤波的三维单站无源定位算法研究

利用频率变化率、方位角及俯仰角信息,提出一种对固定辐射源的三维单站无源定位算法。该方法通过质点运动学原理,得出目标辐射源的位置,之后采用EPF滤波算法进行处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置。EPF（ExtendedParticleFilter）滤波是将EKF（ExtendedKalmanFilter）算法作为重要性函数的一种粒子滤波方法。仿真结果表明,基于EPF滤波的单站无源定位算法比传统的EKF滤波算法收敛更快、更稳定,滤波效果更好,定位精度更高,这对无源定位跟踪算法精度的提高和实际应用有很大的意义。     

基于粒子滤波的机载单站无源跟踪算法

针对空中观测平台对远距离海面慢速运动目标定位跟踪这一非线性估计问题,介绍了专门处理非线性估计问题的粒子滤波算法,将粒子滤波算法(Particle Filter,PF)应用于机载单站无源定位跟踪问题,有效提高了对慢速运动目标的单站无源定位跟踪性能,解决了传统的扩展卡尔曼滤波算法在非线性估计时存在收敛速度慢的问题。通过与扩展卡尔曼滤波算法的仿真比较表明,粒子滤波算法可实现对慢速运动目标的高精度定位跟踪,且性能优于扩展卡尔曼滤波算法。     

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。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

基于时差和时差变化率的宽带信号单站无源定位方法

当目标为宽带信号时,现有单站无源定位方法需要的参数难以获取。而时差和时差变化率是一种宽窄带都适用的观测量。因此,在分析时差和时差变化率所包含目标信息的基础上,建立了一种新的单站对宽带信号源的定位模型,并利用粒子滤波算法对该模型进行滤波处理。仿真实验表明了该方法的有效性。     

运动旋转基线单站无源定位CRLB分析

针对仅用相位差变化率进行的单站无源定位，现有文献一般考虑干涉仪基线固定在观测平台上，并随其作某种机动下的定位效果，并未考虑基线自身旋转的情况，因此考虑观测平台机动，干涉仪基线自身旋转的情况，提出了基于运动观测平台旋转基线的无源定位方法，并对观测平台机动过程中基线自身不断旋转情况下的定位原理及其性能进行了分析，推导了该方法定位误差的克拉美罗下限（CRLB），仿真实验结果表明，该方法很好地改善了定位性能。     

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.     

基于相位差的机载单站无源定位算法

机载无源定位是电子侦察中的一项重要任务。针对实际工程特点,提出了一种鲁棒的基于相位差测量的机载单站无源定位算法。通过测量目标信号的方位角和相位差,利用卡尔曼滤波模型计算相位差变化率并对目标进行测距定位,最后将多次的定位结果进行交互多模滤波融合,实现对目标的高精确度定位。给出了计算相位差变化率的滤波模型、目标定位算法,以及交互多模滤波的融合定位过程。仿真实验中采用STK仿真软件生成机载平台的位置数据和目标信号入射方位角及相位差数据,分析了目标定位的效果及性能。最后给出了一些工程实践性的建议,具有一定的工程参考意义。     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

单站无源定位技术的探讨

随着电子战技术的发展，对电子支援系统的生存能力和目标定位能力的要求越来越高。对单站无源定位技术的基本工作原理及其定位精度进行了分析。理论分析表明，该方法是一种定位精度较高且对系统要求较低的无源定位方法，具有实用价值。     

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。     

伪线性滤波算法在三维测向无源定位中的应用

首先提出了一种测量目标方位角和俯仰角、实现运动单站对固定辐射源进行三维无源定位的伪线性滤波算法(PLF)。该算法利用伪测量值,将非线性测量方程变为线性伪测量方程,实现对目标状态的实时估计。该方法无需预先精确地获得目标的初始状态,克服了扩展卡尔曼滤波(EKF)算法容易发散等缺点,从而获得了稳定的目标状态估计。计算机仿真结果证明了上述方法的有效性。     

基于多级网格搜索的固定单站无源定位方法

针对扩展卡尔曼(EKF)类递推方法用于固定单站无源定位时存在依赖于初始值和不稳定性等缺点,本文提出了一种利用角度和频率变化率无源跟踪的网格搜索方法,只要网格取得足够密,最终估计趋近于全局最优的最小均方估计(MMSE).为了减少搜索的计算量,提出了利用多级搜索法将计算量控制在合理可实现的范围.仿真表明,该方法的滤波不受状态初值误差的影响,滤波收敛速度接近无初值误差时的EKF、修正协方差扩展卡尔曼滤波(MVFKF)方法.     

一种利用相位差变化率的机载单站无源定位方法

利用空频域信息的无源定位对角速度测量要求较高,分析相位差变化率模型可知相 位差变化率对角速度具有明显的放大作用,将其应用于机载单站无源定位,建立新的无源测 距模型并进行误差分析。仿真实验表明：该方法减小了参数测量难度,定位误差主要受相位 差变化率和频率变化率影响,并随载机和目标相对速度的增大而减小,与原方法相比具有更 好的定位精度。     

结合幅度信息的粒子滤波机动目标被动跟踪

为提高杂波条件下的机动目标被动跟踪的性能,提出了一种新的粒子滤波目标被动跟踪算法。在声纳的输出端,提取信号的幅度信息(AI),建立多模型对转弯机动目标进行状态估计,以粒子滤波算法作为基本跟踪滤波算法,将AI与概率数据关联(PDA)算法中的似然比相结合,详细推导了结合AI的粒子滤波目标被动跟踪算法(PF-AI)实现的具体过程。在同一被动目标跟踪场景,同时使用单纯PDA算法、结合辅助信息的PDA算法和PF-AI进行被动跟踪仿真,分析了轨迹跟踪性能,并使用均方根误差比较了误差性能。仿真结果表明,与两种基于PDA的跟踪算法相比,PF-AI具有更高的跟踪精度,且算法易于实现。     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。