单站无源定位MGEKF和MVEKF算法的分析比较

探讨了两种基于辐射源的信号的到达方向（DOA）及其变化率信息。提出了利用固定单站对机动目标进行无源定位与跟踪的新方法。在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波（MGEKF）和修正协方差的扩展卡尔曼滤波（MVEKF）算法,实现对机动目标进行定位与跟踪。通过计算机仿真,验证了该方法的正确性与有效性。     

基于外辐射源空域信息测量的无源定位算法

针对基于外辐射源进行定位具有抗干扰、反隐身等特点,提出了一种在方位角、俯仰角信息的基础上,增加角度变化率信息的单站无源定位方法。同时引入一种适应非线性系统的修正协方差扩展卡尔曼滤波（MVEKF）算法,与推广卡尔曼滤波器（EKF）相比,MVEKF能更好地解决量测模型非线性问题。计算机仿真结果表明,该定位方法具有较好的定位精度和定位速度,具有很大的实用价值。     

基于TDOA和DOA测量的单站无源定位方法研究

近年来空中运动目标无源定位和跟踪技术一直是人们研究的热点问题,这种技术在航空、制导等领域都有广泛的应用,有着广阔的应用前景[1].探讨了一种基于辐射源的信号到达时间差(TDOA)和信号到达方向(DOA)信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪.同时讨论了它的若干技术问题、定位原理与算法.通过计算机仿真,验证了该方法的正确性与有效性.     

利用时域和空域信息的单站无源定位方法研究

探讨一种利用辐射源在时域中的信号到达时间差信息和在空域中的信号到达方向信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪.通过计算机仿真,验证了该方法的正确性与有效性.     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

基于辐射源信号特征信息的JPDA无源跟踪算法

提出一种基于信号特征信息的改进联合概率数据互联算法,该算法不仅利用目标状态空间信息同时利用了目标特征信息计算互联概率。在航迹交叉和近距离情况下,传统算法出现目标航迹丢失,而改进算法可正常工作。通过计算机仿真证明了改进算法的有效性。     

无源单传感器声目标纯方位定位改进算法

该文利用被动声目标的方位角以及方位角变化率信息，提出了无源单传感器单目标纯方位定位与跟踪算法，与现有算法相比，在保证定位精度的情况下，该算法提前一个周期完成对第一个点的定位，加快了系统响应速度，减小数据的时滞。     

基于EPF滤波的三维单站无源定位算法

利用方位角及其变化率信息,提出了基于EPF滤波对固定辐射源的三维单站无源定位算法。该方法通过运动几何学原理,得出目标辐射源的位置,并采用EPF滤波算法加以处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置,来实现对辐射源目标的快速高精度无源定位。EPF滤波是将EKF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与传统的EKF滤波算法相比,收敛更快、更稳定,滤波效果更好,定位精度更高。     

多站无源跟踪系统容错算法

针对多个雷达侦察站组成的无源跟踪系统,在用时间差法对目标进行跟踪时,各站点之间通信或信号测量被干扰,造成系统无法工作。该文提出基于单站多站、时差和角度测量组合的容错跟踪算法。该算法假定系统被干扰工作时使用基于时差测量的跟踪方法,而多站角度和单站角度跟踪方法作为备用,通过对每个周期目标状态变量的检测,判定是否需要切换为备用跟踪方法。该算法使跟踪系统有更强的适应性,而精度并没有下降。仿真实验验证了该算法的有效性。     

一种利用空频域信息的固定单站被动跟踪方法

利用空频域信息的固定单站无源定位与跟踪系统面临着可观测性弱、初始误差大的问题,跟踪算法的稳定性和收敛速度显得尤为关键.为此,提出了一种利用空频域信息的固定单站被动目标跟踪方法（MLGS）.通过对网格的多级搜索,在保证估计分辨率的同时,减少了运算量.与现有方法如EKF、MVEKF和UKF等相比,该方法不依赖于初始状态误差,且不受线性化误差的影响,只要合理选择网格和搜索次数,就可以获得趋近于全局最优的最小均方估计.仿真实验结果表明：该方法在初始距离误差较大情况下其收敛速度明显优于其他方法,且收敛后的精度基本保持恒定;在进行搜索时无需指定初值.     

基于多传感器信息融合的多目标跟踪与仿真研究

针对战场目标跟踪中雷达获得的目标角度精度低的问题,引入了高精度的红外方位探测信息进行关联,用以修正融合航迹点的方位角;建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型;进行了模拟战场实际目标的仿真试验。仿真结果显示：雷达与红外数据关联融合后,目标方位角和俯仰角的最大误差分别为6 mrad和5 mrad。表明该算法充分利用了红外与雷达的互补性,能很好地跟踪目标,达到了降低目标航迹的方位角和俯仰角跟踪误差的目的,使航迹状态估计更加精确。