基于改进SRCKF的固定单站无源定位算法

针对平方根容积卡尔曼滤波(SRCKF)算法精确性和实时性存在的不足,以固定单站无源定位系统为研究对象,提出基于改进SRCKF的固定单站无源定位算法。该算法对SRCKF算法时间更新环节进行线性简化,能避免计算容积点带来的加权近似误差,减少运算量提高效率;引入迭代思想,对量测更新环节进行迭代运算,充分利用量测信息,降低估计误差。仿真结果表明,该算法能有效提高滤波估计精度和运算时效。

修正转移概率IMM-SRCKF固定单站无源跟踪算法

针对传统交互多模型(IMM)算法转移概率矩阵固定不变,模型转换缓慢且滤波精度不高的问题,提出一种修正转移概率的IMM-SRCKF固定单站无源跟踪算法。该算法以固定单站对机动目标无源跟踪为研究对象,将平方根容积卡尔曼滤波(SRCKF)与IMM算法结合,对传统IMM算法中的模型转移概率进行实时修正,充分挖掘包含在当前量测中的模式信息,克服了转移概率先验信息失真的缺陷,提高了模型切换速度和滤波跟踪精度;同时SRCKF算法通过QR分解来避免复杂的矩阵求逆和分解运算,保持了协方差矩阵的对称性和半正定性,数值精度和稳定性更高。仿真分析验证了该算法在模型切换速度及滤波精度方面的优越性。

固定单站无源定位可观测性及仿真分析

针对强非线性系统固定单站无源定位可观测性分析困难的问题,提出基于线性系统可观测理论的分析方法并进行了仿真验证。首先以目标角度、角速度和多普勒频率变化率为观测量,通过对观测方程的伪线性化处理,避免求解复杂的雅克比矩阵,而后对匀速、匀加速直线运动和匀转弯运动进行可观测分析,得出可观测条件,为进一步研究提供了理论前提。最后通过仿真实例检验了可观测性理论分析的正确性。