基于自适应UKF的反辐射导弹抗机动目标雷达短时关机研究

抗目标雷达关机是反辐射导弹的技术难题,也是关键问题.针对基于目标状态估计的抗目标雷达关机方案,将自适应UKF算法应用于抗雷达关机措施中.并基于当前模型,利用自适应UKF算法对反辐射导弹抗机动目标雷达短时关机性能进行仿真实验.通过实验得出的结果表明,自适应UKF算法在对抗机动雷达短时关机方面具有较好的可行性.     

反辐射子弹抗雷达关机方法研究

如何有效地对抗雷达关机是反辐射子弹必须解决的一项关键技术,性能的优劣直接决定了反辐射子弹的打击精度.在分析了国内外抗关机方法的基础上,给出了一种基于被动雷达导引头与捷联惯导相结合的抗关机方法:在雷达关机前应用向量几何方法外推目标位置,并给出了预估算法解决由于导引头测角噪声引起的误差,以提高外推精度;雷达关机后则利用捷联惯导输出和关机前保存的目标位置重构目标视线角,继续引导子弹攻击目标.结合子弹的制导控制模型进行了全弹道仿真,仿真结果验证了该方法的有效性.     

基于自适应UKF的反辐射无人机抗雷达关机技术研究

针对反辐射无人机抗雷达关机的需求,提出一种GPS/惯导/反辐射导引头组合抗关机方案;建立了抗关机被动定位系统的数学模型;针对观测方程带有系统偏差、观测噪声统计特性未知的问题,提出采用扩展状态维数的Unscented卡尔曼滤波(Unscented Kal-man Filter-UKF)与Sage-Husa自适应滤波相结合的非线性滤波新方法;仿真结果表明,提出的非线性滤波方法收敛速度快、精度较高,无人机攻击至拉起最低要求高度附近雷达关机时,抗关机制导CEP为10.1m,使反辐射无人机具备较强的抗关机能力。     

组网火控雷达抗ARM跟踪技术

为了满足火控雷达抗反辐射导弹的对抗要求,提出了火控雷达脉冲间隔自适应变化的间歇跟踪方法;首先分析了单部雷达自适应变化脉冲间隔的间歇跟踪原理,给出了跟踪性能的评价指标;其次,为克服雷达局限,研究了组网火控雷达间歇跟踪技术;最后对跟踪效果进行了仿真;结果证明:采用组网雷达间歇跟踪方法可以同时实现对目标载机的准确跟踪和对反辐射导弹的有效对抗。     

雷达有源诱饵系统对抗ARM仿真研究

针对雷达有源诈骗技术,为减小易损性,用有源诱饵对抗反辐射导弹是一种有效的方法,然而现实的对抗效果与攻击方式、雷达与诱饵的部署是密切相关的。为解决实际问题,采用计算机仿真进行研究。针对雷达与双诱饵所构成的三源系统对抗反辐射导弹的动态过程,在三维空间里建立了反辐射导弹接收信号、瞄准点、临界位置、运行轨迹以及弹着点等数学模型。根据战术背景设置了仿真条件,对反辐射导弹在各种分辨角的情况下、以任意方位及不同角度的攻击三源系统进行了仿真实验。结果表明,雷达与诱饵之间存在着一个可确保安全的距离范围,可给哈姆反辐射导弹提供有效布站距离参考。     

基于免疫遗传算法的雷达组网方法

区域防空雷达网是防空作战空情预警的发展趋势,为了提高区域雷达网探测能力和抗综合电子干扰、抗隐身技术与隐身飞机的威胁,抗低空、超低空突防及抗反辐射导弹(ARM)的能力,研究雷达组网的问题,介绍免疫遗传算法的基本原理和特点,提出基于免疫遗传算法的雷达组网方法,通过计算机仿真实验证明方法的可行性。     

传感器故障条件下的自适应UKF 算法

针对目标跟踪中传感器故障导致滤波发散或者滤波精度不高的问题, 提出一种自适应无迹卡尔曼滤波(UKF) 算法. 该算法在滤波过程中, 根据自适应估计原理引入自适应矩阵因子, 实时调整系统状态向量和量测新息向量的协方差, 以满足无迹卡尔曼滤波算法的最优性条件, 并采取措施对滤波发散的情况进行判断和抑制. 与传统UKF和已有自适应UKF算法相比, 该自适应UKF算法显著提高了滤波精度和数值稳定性, 且具有应对传感器故障的自适应能力. 仿真实验结果表明了所提出算法的有效性.

     

空地反辐射导弹抗关机被动定位算法研究

针对空地反辐射导弹初始装订目标位置误差较大的问题,设计了一种目标雷达位置修正算法.利用导引头输出的角度信息,经坐标转换,求解不同弹道点与对应目标点之间连线的公垂线向量,以修正目标的位置.针对该方法进行了仿真验证,结果表明该方法可用于雷达位置的有效修正,且易于实现.     

关于目标跟踪定位的仿真方法研究

研究雷达定位精度和准确性问题,为了解决在目标定位跟踪中由于目标机动引起的无迹卡尔曼滤波(UKF)误差大和滤波发散问题,提出了一种基于UKF和自适应神经网络-模糊推理系统(ANFIS)的新的目标跟踪定位方法.将自适应神经网络-模糊推理系统应用于目标跟踪系统,利用状态变量的预测误差和预测误差的变化率来自适应地调整卡尔曼滤波器的系统噪声协方差矩阵,实现了模糊推理、神经网络和UKF的有效结合,并应用于雷达目标定位跟踪系统进行仿真.仿真结果表明,方法比UKF有更好的跟踪性能,收敛快,对目标机动有更好的适应能力,为设计提供了依据.     

基于多普勒信息的UKF目标跟踪算法

在实际雷达信号应用中,当目标的状态方程和观测方程在不同坐标系下得到时, 对目标状态的估计不再是线性的而是非线性的.为了提高在非线性情况下对目标的跟踪精度,为提高实时性和统计精度,提出了一种基于多普勒信息的UKF(Unscented Kalman Filter)滤波算法,算法是在原有UKF算法所有信息的基础上,引入目标的多普勒信息即径向速度,推导出新的测量模型和相应的滤波算法.应用matlab软件对目标的跟踪轨迹进行仿真,结果表明,引入雷达多普勒测量信息的UKF算法比传统的UKF算法和EKF算法具有更高的估计精度.     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。     

漂移瑞利滤波算法及其在纯方位跟踪中的应用

单传感器纯方位跟踪问题仍是目前研究的重点和难点,方位角变化率很大时往往使得扩展卡尔曼滤波等矩匹配算法不稳定或发散。重点研究漂移瑞利滤波算法在方位角变化率很大的复杂单传感器纯方位目标跟踪场景下的性能,比较了漂移瑞利滤波,扩展卡尔曼滤波,不敏卡尔曼滤波,粒子滤波等其他非线性跟踪算法的性能,推导并计算了相关问题的Cramer-Rao下界并将其用作比较估值准确性和衡量算法性能的评价指标。仿真结果表明:漂移瑞利滤波算法的性能优于其他矩匹配算法,能达到与粒子滤波大体相同的计算精度,但它的计算速度比粒子滤波算法快几个数量级。     

基于平方根UKF的SLAM算法

同步定位与地图构建（SLAM）是移动机器人实现真正自主的关键,无迹卡尔曼滤波（UKF）由于直接利用系统非线性模型而在SLAM问题中得到广泛的应用。基于平方根滤波可以确保协方差矩阵的非负定的思想,将平方根UKF应用到SLAM问题中,确保了SLAM算法的稳定性,并得到了较高的估计精度。仿真结果表明,该算法是有效的。     

用于弹道目标跟踪的新的非线性滤波算法

针对再入阶段弹道目标的跟踪问题,提出一种新的自适应滤波算法,即强跟踪有限差分扩展卡尔曼滤波（STFDEKF）算法,用于非线性系统的目标跟踪。该方法使用Sterling内插公式进行多项式的近似,从而实现对非线性函数的近似,避免了非线性函数的求导运算;并且算法中引入强跟踪的因子来修正先验的协方差矩阵。新算法改进了跟踪精度,扩大了应用范围,增强了滤波收敛性。仿真实验将新算法与扩展卡尔曼滤波器（EKF）、有限差分扩展卡尔曼滤波器（FDEKF）进行了比较,结果表明,STFDEKF在跟踪精度和滤波可靠性上均优于EKF和FDEKF,但其计算复杂性更大。得出结论,STFDEKF是个很有效的非线性滤波算法。     

改进的UPF在GPS/INS导航中的应用

针对UPF（Unscented Particle Filter）由于计算量大而难以应用于GPS/INS（Global Positioning System/Inertial Navigation System）组合导航中的问题,提出一种基于全局采样的UPF算法。结合了最新的量测值,对粒子集整体利用一次UKF（Unscented Kalman Filter）算法产生建议分布,免去了UPF中对每个粒子循环套用UKF的环节,省去了重采样步骤,减少了UPF的计算量。仿真实验采用以伪距为观测量的状态变量为10维的非线性模型,结果表明,改进的UPF与PF相比,具有更高的估计精度,与UPF相比,具有更小的计算量,能够解决UPF难以应用于GPS/INS组合导航中的问题。     

抗野值性能的无迹卡尔曼滤波算法的研究

动态定位中野值的存在,使无迹卡尔曼滤波UKF(Unscented Kalman Filter)的结果不再准确甚至发散。针对这一问题,提出了一种具有抗野值性能的UKF算法。该算法将经典UKF算法与野值的剔除相结合,通过对新息序列的判断,对野值点进行处理,实时地调整滤波增益或者进行野值计算,使UKF算法在野值干扰下仍为最优估计。仿真证明该算法可以有效地辨识和剔除野值的干扰,抑制滤波的发散,提高了定位的精度。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

基于UKF的编队卫星的相对姿态确定算法

针对编队卫星相对姿态确定问题,采用一种改进的无迹卡尔曼滤波UKF进行了系统滤波器设计,根据UKF滤波器的性质,推导出了适用于编队卫星相对姿态确定的UKF滤波算法.较之传统的EKF滤波器,UKF不仅提高了滤波精度,简化了计算过程,减少了计算量,而且更易于实现.应用四元数法描述卫星姿态,避免了欧拉角法的奇异性问题.仿真结果表明,UKF滤波器收敛速度大大高于EKF滤波器.而状态估计精度与EKF相当,方差估计优于EKF,且数值稳定性好.     

IMM-UPF算法在机动目标跟踪中的研究

为解决机动目标跟踪的非线性和噪声不确定等问题,提出了一种新的滤波算法：融合了交互式多模型（IMM）、粒子滤波（PF）和无迹卡尔曼滤波（UKF）的IMM-UPF算法。该算法采用多模型结构以跟踪目标的任意机动,粒子滤波能处理非线性、非高斯问题,而采用UKF产生粒子,由于考虑了当前观测值,使得粒子的分布更接近后验概率密度分布,克服粒子的退化现象,从而提高估计精度。系统的模型集根据实际的目标系统设计了三个非线性模型。通过实例仿真,结果证明了IMM-UPF算法的有效性,且其性能优于PF、UPF算法。