海面目标光电单站无源定位与误差分析

为实现光电侦察设备对海面舰船目标单站无源定位,提出了对海面目标的高精度近实时光电单站无源定位方法。建立了单站无源定位方程,分析了目标定位误差,探讨了影响定位误差因素,给出了单站无源定位的应用建议。仿真结果表明:在17.899 km距离处单站无源定位的定位误差约为1.672%R,单次定位时间约20 ms;位置、纬度、经度和高度误差分别服从N(299.31 m,197.39 m)、N(4.944×10^(-5°),2.665×10^(-3°))、N(4.038×10^(-5°),1.899×10^(-3°))、N(-0.485 m,14.165 m)的正态分布;俯仰角、方位角和目标高度的误差对定位精度影响较大,俯仰角在[-120°,-15°]范围内定位结果可靠,目标高度误差在[-200 m,200 m]范围内,定位误差小于800 m,实现了对海面目标的高精度近实时单站无源定位。提出的方法适用于具备高度参考面估计的海面、地面和空中目标的单站无源定位。

基于IFF信号的单站无源定位方法误差分析

无源定位作为无源侦察的重要手段,相比有源定位探测距离更远,同时由于其利用雷达发射电磁波信号进行定位,不主动向空间辐射电磁波,因此具有更好的隐蔽性,战场生存能力更强。目前无源定位通常采用多站定位的方式,包括多站时差定位,多站交叉定位等,单站无源定位相比于时差、交叉等多站无源定位方法具有系统构成简单、成本低、机动性高等特点,因此近年来受到学者广泛研究。介绍了一种基于敌我识别(IFF)信号的单站无源定位方法,并对其开展误差分析。该方法通过实时截获IFF信号并解译飞行器高度信息,结合测向分机获取飞行器的方位和俯仰信息,建立定位模型,实现对空中飞行器的实时定位,最后通过公式推导和仿真验证,分析了影响定位精度的多种因素。

一种单站无源定位方法及其可观测性分析

利用非线性系统可观测性定理分析了径向加速度信息在目标运动分析(TMA)中的可观测性问题,得到径向加速度观测所能确定的目标状态参数及其需要满足的观测条件,从而证明一种联合径向加速度和角度信息的单站无源定位方法的可行性,并分析其可观测条件和可观测度。通过计算机仿真验证了讨论的结果。

基于平方根UKF双向滤波的单站无源定位算法

单站无源定位可观测性弱、参数测量精度不高,因此初始值测量误差往往较大。而无迹卡尔曼滤波(Un-scented Kalman filtering,UKF)算法对初始值较为敏感,并且由于数值计算的舍入误差会产生滤波发散,为了解决以上问题,提出了一种基于平方根UKF(Square-root UKF,SRUKF)的双向滤波算法。该算法通过使用误差协方差的平方根替代协方差阵参与滤波,保证了算法的稳定性,同时运用平方根无迹卡尔曼滤波后向平滑(Un-scented Rauch-Tung-Striebel smoother,URTSS)后向平滑方法,用平滑值取代初始值,为前向滤波提供较高精度的起始值,提高算法的滤波精度,从而提高了算法对初始值的鲁棒性。仿真结果表明,与UKF算法和SRUKF算法相比,该算法提高了滤波的稳定性、收敛速度、定位精度及对初始值的鲁棒性。

固定单站无源定位与跟踪方法应用

地面测向系统实现单站无源探测定位可有效提升现有系统的作战能力。研究了固定单站无源探测定位系统模型和定位方法,根据参数测量集的不同,定位方法可分为利用空时域信息和空频域信息两大类。提出了在典型地面测向系统中实现单站无源探测定位的体制和结构。

自适应迭代平方根UKF的单站无源定位算法

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,在结合相位差变化率和多普勒频率变化率定位方法的基础上,提出了一种基于自适应迭代SRUKF的单站无源定位算法,通过使用误差协方差阵的平方根替代协方差阵参与滤波,保证了滤波算法的数值稳定性.在迭代判决准则的约束下,通过对状态及其误差协方差矩阵平方根的自适应迭代估计调整滤波的观测值与状态值之间的权比,使滤波预测值误差协方差阵的平方根更为准确、合理,从而提高算法的稳定性、收敛速度和定位精度.仿真结果验证了新算法的有效性.

慢速运动平台的单站无源定位方法

在测向交叉定位的基础上,提出了一种根据测向误差概率分布特性估计目标位置的方法.在利用最小二乘法获得定位初值后,根据每次角度测量的信息进行目标位置估计.与常规方法相比,这种方法不需要进行大规模的矩阵运算就可较精确地估计出目标的位置.最后进行了计算机仿真验证.

基于UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。

基于改进的平方根中心差分卡尔曼滤波的单站无源定位算法

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,推导出了一种带次优渐消因子的平方根中心差分卡尔曼滤波算法。在正交原理的约束下,通过引入自适应次优渐消因子实时调整增益矩阵,保证不同时刻残差序列相互正交,提高了滤波器对状态变化的反应速度和对有偏估计的自适应修正能力。同时,使用误差协方差的平方根替代协方差参与滤波,保证滤波算法的数值稳定性。仿真结果表明,新算法稳定性更好、收敛速度更快、定位精度更高。

一种基于Jerk模型的机动目标单站无源定位算法

针对采用非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法IMM-Jerk。该方法用Jerk模型对做复杂机动的运动目标建模,采用经过UKF滤波改进的交互多模(IMM)算法对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标的跟踪,提高了目标跟踪收敛精度和跟踪系统的稳定性。仿真试验证明了该方法的可行性和有效性,并具有较高的应用价值。最后,对IMM-Jerk算法的研究方向进行了讨论。

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。

单站无源定位注入式仿真系统探讨

介绍了单站无源定位注入式仿真系统的组成及工作原理,阐述了注入式仿真系统中信号模拟器的组成、功能及软硬件实现思路,给出了在该系统和外场试验相对应的试验结果,该系统中针对常规脉冲信号和线形调频信号(LFM),对于径向加速度和脉冲到达时间(Toa)两种观测量的仿真结果,验证了单站无源定位的理论的有效性和可行性,对该系统的应用前景进行了展望。

基于改进平方根UKF双向滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题,在结合平方根无迹卡尔曼滤波(Square-Root Unscented Kalman Filter,SRUKF)以及后向平滑思想的基础上,提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式,使用误差协方差的平方根代替协方差参与递推运算,提高了算法的稳定性与运算效率。同时,该算法对状态向量进行扩维,将过程噪声与观测噪声通过非线性系统传播,降低了噪声对滤波精度的影响,并利用当前时刻滤波结果通过Rauch-Tung-Striebel(RTS)后向平滑得到再次前向滤波更高精度的起始值,提高了算法的定位精度与收敛速度。仿真结果表明,新算法在保证实时性的基础上改善了单站无源定位的性能。

基于后向平滑容积卡尔曼滤波的单站无源定位算法

单站无源定位跟踪是一个典型的非线性滤波问题,由于测量精度不高、初始误差较大等原因容易导致滤波算法定位精度低、收敛速度慢。本文将一种新型的滤波算法——容积卡尔曼滤波(cubature Kalman filter,CKF)应用于单站无源定位领域,并将后向平滑思想与CKF算法相结合,提出了一种后向平滑容积卡尔曼滤波算法(backward-smoothing CKF,BSCKF)。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,并采用后向平滑值进行递归滤波,具有更优的非线性估计性能。仿真实验表明,与EKF、UKF和CKF算法相比,BSCKF算法的定位精度更高、收敛速度更快。

DOA和TOA的单站无源定位可观测性分析

在现有单站无源定位技术的基础上,介绍了新的基于机动辐射源目标的DOA和TOA测量信息的单站无源定位的可观测性分析。此分析直接应用非线性系统的可观测性分析原理,得到了基于DOA和TOA测量信息的单站无源定位的可观测性条件,并对其进行了计算机仿真。与文献[1-2]相比,此可观测性分析更直观更简明。

基于施密特正交变换UKF的单站无源定位算法

在单站无源定位系统中,UKF算法由于采用UT变换,算法的性能虽然要优于EKF及衍生算法,但是增加了计算量。为了减小UKF算法的计算量,易于算法的实时实现,提出了一种基于施密特正交变换的UKF滤波算法。该算法在遵循采样点选取准则的前提下,对所选取的采样点进行施密特正交变换,减少了采样点的数量。计算机仿真结果表明,该算法在保证定位跟踪滤波精度的前提下减小了计算量,提高了计算效率。

基于Jerk模型的单站无源定位跟踪算法研究

针对非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法Jerk-UKF。该方法用Jerk模型对做复杂机动的运动目标建模,采用UKF滤波的思想对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标跟踪,提高了目标跟踪收敛精度和稳定性。仿真试验表明了该方法的可行性和有效性,并具有较高的应用价值。最后,对Jerk-UKF算法的研究方向进行了讨论。

一种基于“当前”统计模型的机动辐射源单站无源定位方法

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站对机动运动辐射源无源定位跟踪系统,提出了一种用"当前"统计模型对角速度建模,利用UKF滤波进行滤波,跟踪机动辐射源的定位方法。同时对非线性定位系统的可观测性进行了分析,得到了与辐射源作匀速运动相同的可观测条件。仿真结果表明,本文提出算法对固定单站在角速度变化的机动运动无源定位中跟踪效果更佳。

对运动目标的单站无源定位技术研究

实现对运动目标辐射源的单站无源定位是对新体制雷达对抗侦察系统的基本要求。固定单站通过测量角度、角速度和多普勒频率变化率可实现对运动目标的无源定位,该方法对角速度特别敏感,测量精度要求很高。为此,提出了一种利用波达方向、相位差变化率、载波频率及多普勒频率变化率的单站无源定位方法,结合某地面雷达对抗侦察系统,分析了其定位原理、测距误差和可观测性,给出了单次测距的计算机仿真结果和结论。仿真研究表明,通过增加相位差变化率信息降低了对角速度的高精度测量要求。

基于PLKF的固定单站无源定位与跟踪算法研究

利用到达方向（DOA）和多普勒频率（DF）建立了固定单站对空中运动辐射源的无源定位与跟踪模型,推导了该模型下的伪线性测量方程,用伪线性卡尔曼滤波（PLKF）算法实现了定位与跟踪;在此基础上用k时刻的状态估计值代替一步预测值对该算法进行了改进;最后与扩展卡尔曼滤波（EKF）算法进行比较。仿真结果表明,改进的PLKF算法具有更快的收敛速度和更高的收敛精度,PLKF算法克服了EKF算法的一些缺点。