被动导引头辐射源跟踪新算法研究

由于被动导引头辐射源跟踪系统非线性较强,传统的跟踪滤波算法是粒子滤波（PF）、U卡尔曼滤波（UKF）。但这些算法都存在着一定的缺陷,粒子滤波算法收敛速度慢、计算量大,UKF跟踪精度低。针对上述问题,提出了一种基于PF算法的新的跟踪滤波算法PUKF。该算法采用粒子滤波和U卡尔曼滤波加权的思想对目标实现初始的捕捉,然后通过UKF算法对目标进行跟踪保持。该算法受初始状态影响小,跟踪的精度高,收敛速度快,系统性能稳定。仿真实验表明了在被动辐射源跟踪系统中该算法的可行性和有效性。     

自适应平方根球型无迹卡尔曼滤波算法

针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法（Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF）。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。     

一种新的扩频信号估计方法

在直接序列扩频通信中,接收端需要保持伪随机码同步。提出了利用UKF算法和EKF算法联合对PRN码进行跟踪处理的联合估计算法,同时对信号的幅度参数进行联合估计。仿真结果表明,该算法在处理扩频信号的非线性估计问题上比传统的EKF算法估计精度更高,与UKF算法的估计精度相当,能够较好地保持PRN信号的同步性。同时其所消耗的总的时间比UKF算法更少,计算量更小。     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

简化UKF在非合作式单站无源目标跟踪中的应用

根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF（simplified unscented kalman filter）算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。     

基于小波变换的UKF改进算法及其应用

众所周知,UKF滤波的应用需要事先准确知道量测噪声的统计特性。首先简要分析了UKF滤波的基本算法,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知量测噪声条件下的UKF算法,该算法可以实时跟踪量测噪声的变化,即实现了对量测噪声的实时估计,从而解决了在未知量测噪声的条件下UKF滤波问题。最后讨论了该方法在信息融合中的应用,仿真结果证明了方法的有效性和实用性。     

一种基于UKF的弹道导弹跟踪算法

文章提出了一种基于UKF的弹道导弹跟踪算法—Singer-UKF算法。传统的弹道导弹跟踪算法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高。文章在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并针对非线性的目标量测模型应用不敏卡尔曼滤波算法。将该算法与扩展卡尔曼滤波算法进行蒙特卡罗仿真比较,仿真结果表明该算法的跟踪效果更好。     

基于RPUKF的固定站无源定位跟踪算法研究

固定单站无源定位跟踪系统面临着可观测性弱、初始误差大等问题,寻找一种快速稳定的定位跟踪算法尤为重要.将距离参数化方法引入固定单站无源定位中,与不敏卡尔曼滤波(UKF)结合给出了基于距离参数化UKF(RPUKF)的固定单站无源定位算法;该算法根据观测站最大探测距离划分距离子区间,每个子区间单独采用UKF算法进行跟踪,将各自跟踪结果进行融合得到最终定位结果.仿真结果表明,在初始误差较大时RPUKF算法仍能实现稳定定位,与RPEKF算法相比在保证实时性的基础上明显改善了定位性能.     

纯方位小幅机动目标定位跟踪技术研究

对纯方位小幅机动目标UKF(Unscented Kalman Filter)定位跟踪算法进行了研究。在目标机动可检测性分析的基础上,建立了纯方位小幅机动目标定位跟踪的UKF滤波算法模型,基于最小二乘和UKF算法联合调度思想,实现了对纯方位小幅机动目标的定位跟踪,通过仿真计算对其定位精度进行了分析,验证了算法模型的有效性。     

基于角度和频率信息的机动目标无源自适应跟踪算法

在进行可观测性分析的基础上,综合利用方位角和频率观测信息,提出了一种利用单个模型对机动目标进行无源跟踪的UKF算法,该算法通过对目标的运动状态和机动参数进行联合估计自适应地逼近真实的运动模型,从而进行准确跟踪。与现有算法相比,本文的算法不仅运算量小,而且降低了对观测站自身的运动要求,但却保持了良好的性能。仿真结果表明了算法的有效性和正确性。     

基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。     

固定单站被动目标跟踪算法性能分析

被动目标跟踪滤波算法是无源定位的关键技术之一。分析了扩展卡尔曼滤波及其衍生算法和无迹卡尔曼滤波算法的性能,并将这些算法应用于利用空频域信息的定位方法中。计算机仿真验证了这些算法的性能。     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

一种多传感器配准与目标跟踪算法研究

传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。     

极坐标系下UKF双站目标跟踪算法研究

介绍了传统的带多普勒量测信息的双基地目标跟踪模型,提出了采用一组新的状态变量替代原有状态变量,得到了极坐标系下量测方程完全线性化的双基地跟踪模型,并将无迹卡尔曼滤波（UKF）应用于这个非线性系统的目标跟踪。通过仿真实验看出,与同样使用UKF进行跟踪的传统的混合坐标系跟踪模型相比较,极坐标系UKF算法有更好的跟踪性能,收敛快,对噪声有更强的适应能力。     

光电经纬仪的粒子-卡尔曼联合目标跟踪算法及仿真

针对系统状态方程是线性,观测方程是非线性的被动光电测量问题,分析了常用的EKF法（扩展卡尔曼滤波法）、PF法（粒子滤波法）、UKF法（无迹卡尔曼滤波法）的优缺点,提出了以PF法与EKF法相结合的方法作为光电经纬仪的目标跟踪算法．为解决单台光电经纬仪的不可观测性问题,采用2台交汇的观测数据作为观测量进行计算．通过蒙特卡洛仿真计算,比较了上述各种方法对同一运动模型的跟踪结果,证明PF-EKF法在交汇光电经纬仪的目标跟踪中精度较高,而EKF算法的实时性较高．     

基于IMM-UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明该算法可以比任一单传感器滤波精度高,稳定性更好。     

基于UKF的反辐射导弹对移动辐射源的跟踪

传统的反辐射导弹打击的是地面固定雷达,目前正在研制的第三代反辐射导弹已经将预警机等移动辐射源作为打击目标,对目标精确打击的前提是对目标的精确跟踪。针对这一具体问题,选用UKF算法这一较新的非线性估计方法对目标的盘旋运动进行跟踪,此外,还从精度、收敛性、计算量等方面对UKF算法与EKF算法进行了比较。仿真结果显示：当初值和参数存在偏差时,UKF算法比传统的EKF算法具有明显的优势。