捷联雷达导引头天线平台角稳定技术研究

针对传统速率陀螺平台在小型雷达导引头上应用的局限性,分析了捷联式天线平台系统特点。基于多级坐标变换,对捷联式天线平台角速度稳定算法进行了研究,且采用角度卡尔曼滤波和多普勒跟踪回路的信息估算出目标视线角速度。仿真结果表明,多级坐标变换算法能有效保持天线平台捷联稳定,采用卡尔曼滤波和多普勒跟踪回路的信息估算目标视线角速度精度高、计算量小。     

单平台主/被动雷达制导异步数据融合算法研究

为改善主/被动雷达对目标的跟踪性能,在主/被动雷达双模制导模式下,对主/被动雷达的测量数据进行融合处理.由于主/被动雷达测量周期不同,导致主/被动雷达测量数据不同步,文中对于不同步的信息采用基于最小二乘法的时间配准方法,使之信息同步;对同步后的主/被动雷达数据采用带反馈的卡尔曼滤波算法,由于被动雷达仅测得目标的角度信息,而主动雷达可得到目标的角度和距离信息,本文将融合中心的状态估计和预测协方差反馈给被动雷达.仿真结果表明,融合中心能够实现对目标的状态估计,且反馈的利用可以明显改善局部传感器的估计精度,能够有效地减小系统动态误差.     

卡尔曼滤波算法在多传感器融合技术中的应用

为了进一步提高测量精度,针对多传感器融合技术和非线性系统的连续-离散卡尔曼滤波算法的研究,提出了一种综合卡尔曼滤波和数据融合算法的优点相结合的估计技术和算法.仿真结果表明在使用连续-离散卡尔曼滤波方法估计的基础上,进一步采用加权融合算法,可以降低系统测量量的噪声干扰,并明显改善传感器测量参数的估计精度,其算法也是递推算法,可以满足实际应用中的实时性要求.     

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题，对滤波跟踪型数据融合进行了研究，提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法．从仿真结果可以看出，集中式融合算法和分布式融合算法的差别并不大，结果基本相同．因此，在非线性系统中，基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法．     

动目标精确定位自适应滤波算法研究

对于动目标的精确定位,常见的是应用数据融合技术来进行处理,文章应用自适应算法来处理目标的尤其是动目标的位置定位问题,应用基于加权最小二乘估计和卡尔曼滤波理论,建立目标运动的统计数学模型,在此基础上建立一种应用于目标位置定位的卡尔曼滤波算法,并给出了仿真曲线结果。     

基于CA模型的转换坐标卡尔曼滤波

文中根据雷达对空间中的匀加速运动目标的跟踪要求．在三维空间中采用了转换坐标卡尔曼滤波算法（CMKFA）,通过理论推导证明了当状态方程和测量方程满足一定条件时,转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法。在转换坐标卡尔曼滤波跟踪算法中．球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声,在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪．仿真结果显示．该算法收敛迅速,精度可以满足雷达对空间机动目标的跟踪要求。     

基于MGEKF的被动声纳目标探测数据融合仿真模型开发

针对水面舰编队联合反潜战中目标探测数据融合建模的需求,研究了被动声纳目标探测的修正增益卡尔曼滤波算法,设计了一种在分布交互仿真系统中使用Simulink滤波模型的方法,采用了共享内存技术和Simulink的S函数作为接口与Simulink模型进行数据交互和同步,完成了基于Simulink的角测量系统的被动声纳探测数据融合仿真模型开发。仿真结果表明,该数据融合仿真模型可满足分布交互仿真系统实时性要求。     

基于卡尔曼滤波的弹箭飞行状态估计方法

为了快速、准确地获取弹箭飞行状态参数,讨论了采用不同卡尔曼滤波的弹道估计过程.采用质点弹道模型,考虑了动力平衡角的影响,以随机横风为过程噪声,建立了弹箭飞行状态方程;基于实测的弹箭位置、速度参数,建立了量测方程;分别采用扩展卡尔曼滤波(EKF)和线性化卡尔曼滤波(LKF)对测量数据进行最优估计,提出一个弹道滤波混杂算法.以某低旋尾冀弹为例,在坐标雷达探测体制下进行了仿真计算.结果表明,混杂算法减少了系统的在线计算量,提高了弹箭飞行状态的估计精度.     

红外型空空导弹发射后截获目标识别算法

针对采用发射后截获作战使用模式的红外型空空导弹在中末制导交接班时目标识别概率偏低的问题，提出了一种基于机载雷达数据与红外导引头测量数据融合的交接班目标识别算法。利用机载雷达测量信息，弥补红外型空空导弹不可测距测速的缺陷，并利用扩展卡尔曼滤波算法建立目标和干扰的运动状态预测，完成目标和干扰的识别。仿真结果表明，相比于传统的单纯依靠角度比对进行目标识别的方法，本文方法充分利用了目标和干扰在运动特征上的差异性，同等干扰场景下目标识别概率大幅提高，同时本文方法对载机传感器测量精度不敏感，具有较强的工程应用价值。     

一种水下静止平台对目标运动参数的联合估计方法

针对方位-频率目标运动分析在水下静止小平台上的应用,提出了一种基于方位- 频率测量的目标运动参数联合估计方法。该方法以最小二乘估计算法估计结果作为卡尔曼滤波估计算法的初值,解决了迭代初值对卡尔曼滤波估计算法的估计性能影响较大的问题,从而提高了算法的收敛速度和估计精度。湖试结果表明：该算法具有较好的估计性能,可以作为解决水下静止平台对目标被动定位问题的一种有效方案。     

基于纯方位角测量的水下目标被动跟踪技术

水下目标的被动跟踪技术在军事上具有重要的应用价值,为了解决基于纯方位角测量的水下目标被动跟踪技术在实际应用中的问题,研究了几种适合于单、双观测站的水下目标被动跟踪算法.分别对伪线性估计算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法在不同参数情况下的性能进行了详细的仿真与分析.仿真结果表明,静止单观测站虽不能获得目标的完全观测,但是在具有一定先验信息的情况下,伪线性估计算法也可以实现对目标轨迹的估计;双观测站可以获得对目标的完全观测,并且在观测方程严重非线性的情况下,无迹卡尔曼滤波方法的性能要优于扩展卡尔曼滤波方法.仿真结果对工程应用具有重要的参考价值.     

基于线谱瞬时频率估计的被动声纳目标运动分析

针对被动声纳探测目标,提出了一种基于线谱瞬时频率估计的目标定位跟踪算法。该算法通过利用声纳探测目标的跟踪波束信息,建立高精度瞬时频率跟踪提取与多特征联合的目标定位跟踪模型,完成对目标高精度多普勒频移信息的实时提取。基于多特征观测方程,实现了对目标的定位与跟踪。仿真实验和海上试验结果表明：该算法可在观测平台不机动情况下,完成对目标的快速定位与跟踪;在相同平台机动条件下,相比传统纯方位算法,该算法的要素解算性能更加稳定,解算收敛时间缩短约4 min,进一步增强了工程适用性。     

一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题, 给出了一种新的迭代总体最小二乘Kalman滤波算法.该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法.     

基于改进 Mean Shift 的运动目标跟踪算法

为了提高传统 Mean Shift 算法在目标快速运动和被大面积遮挡两种情况下跟踪的效果,对 Mean Shift 跟踪算法进行了3点改进：采用 Kalman 滤波器预测运动目标轨迹,以提高算法对快速运动目标的鲁棒性;提出了一种融合Kalman 滤波器残差和 Bhattacharyya 系数的遮挡处理机制,以提高目标被大面积遮挡时的跟踪效果;提出了一种基于自适应更新因子的目标模型更新机制,以提高动态适应能力。对比实验结果表明,改进算法能有效提高在上述两种情况下的跟踪效果,并且在遮挡情况下具有较好的鲁棒性。     

基于修正极坐标滤波的水下目标运动要素解算方法

针对水面舰艇鱼雷防御系统中双基阵纯方位定位问题,提出了修正极坐标卡尔曼滤波算法,分析了方位数据测量误差和时空关联对跟踪性能的影响。仿真结果表明,修正极坐标滤波可以快速、稳定地完成目标运动要素的估计,且该算法的稳定性有所增强,适合于工程应用。     

一种实时的机动目标多模型跟踪算法

提出了一种实时的机动目标多模型跟踪算法。该算法包含两个并行的Kalman滤波器,分别为匀速Kalman滤波器和匀加速Kalman滤波器。定义了“滤波运动模型偏离度”作为模型切换的判据,在线实现了两个Kalman滤波器的自动切换,使总输出结果最大程度的符合实际运动模型。通过可调过程噪声的自适应方法,抑制了滤波发散,避免了在模型切换时误差跳变过大。仿真测试结果表明,该算法跟踪精度高,计算量小,因此适合在自行高炮的目标跟踪中使用。     

一种光电跟踪平台共轴控制的目标运动滤波方法

目标运动估计是光电跟踪平台实现共轴控制的核心。针对目标运动的滤波精度问题,提出了基于灰色预测模型和卡尔曼理论的目标运动融合滤波方法。利用少量前几个时刻的目标运动数据实时在线建立灰色预测模型,替代标准卡尔曼滤波的目标状态预测方程,避免了需要预先假定目标运动数学模型而引起滤波误差的弊端。进一步对灰色模型预测值和融合滤波估计值的残差序列,构建残差在线预估模型;利用残差预测值对灰色预测模型进行实时修正,有效地提高了灰色模型的预测精度,改善了融合滤波的效果。仿真实验验证了灰色模型在目标运动预测中的有效性。实验结果表明：残差修正策略将灰色模型预测精度提高了60%;与其他滤波方法相比,提出的融合滤波方法具有更好的滤波效果及更准确的目标运动估计。     

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。