基于MGEKF的单站无源定位跟踪算法

单站无源定位跟踪技术具有隐蔽性强、设备简单、系统相对独立等优点,有着广阔的应用前景。为了提高定位精度和收敛速度以满足实时化需求,在现有的基于多普勒变化率的单站无源定位算法的基础上,详细推导了基于MGEKF的定位算法以解决EKF算法的不稳定性,并通过计算机仿真比较了两种算法的性能,结果表明MGEKF定位算法提高了定位精度、收敛速度和稳定度,定位结果能够满足实际需求。

MGEKF算法在无源定位中的应用

无源定位技术有着广阔的应用前景 ,在现有单站无源定位方法的基础上 ,首先介绍了相位差变化率定位法 ,接下来针对未知地面慢速运动目标的定位问题 ,引入MGEKF算法估计目标的运动速度 ,并对原始定位结果进行滤波处理 ,以减弱测量噪声的影响 ,提高定位精度。仿真结果表明了这一处理算法的有效性。这种处理思路还可以推广到更为复杂的定位情况中去。

基于MGEKF的被动声纳目标探测数据融合仿真模型开发

针对水面舰编队联合反潜战中目标探测数据融合建模的需求,研究了被动声纳目标探测的修正增益卡尔曼滤波算法,设计了一种在分布交互仿真系统中使用Simulink滤波模型的方法,采用了共享内存技术和Simulink的S函数作为接口与Simulink模型进行数据交互和同步,完成了基于Simulink的角测量系统的被动声纳探测数据融合仿真模型开发。仿真结果表明,该数据融合仿真模型可满足分布交互仿真系统实时性要求。

MGEKF可修正增益矩阵的研究

MGEKF就是基于EKF衍生出的一种修正算法。MGEKF算法是基于非线性函数是可修正的特性,详细介绍非线性函数的可修正增益矩阵的定义和推导方法,通过实例对方位角的可修正增益矩阵进行推导,并归纳出工程上计算修正增益函数的方法和步骤,最后利用Maltab仿真了MGEKF和EKF的滤波过程,证实了MGEKF算法的优越性。

基于MGEKF算法的单机无源定位技术

单机无源定位跟踪技术具有隐蔽性强、设备简单以及系统相对独立等优点,有着广阔的应用前景。为了提高定位精度和收敛速度,在现有的基于EKF单机无源定位算法的基础上,推导了基于MGEKF的定位算法,以解决EKF算法的不稳定性和对滤波初始值要求高的问题。与EKF定位算法相比,MGEKF定位算法对滤波初始值的要求相对较低,MGEKF定位算法提高了定位精度、收敛速度和稳定度,定位结果能够满足实际需求。

基于MGEKF的反辐射无人机末制导律设计

针对反辐射无人机攻击空中机动目标的特点,提出了一种利用MGEKF滤波算法估计无人机-目标接近速度信息的变结构导引律;该导引律利用变结构控制的干扰不变性特性,将目标机动看成是未知的有界干扰,实现了目标有界机动条件下视线角速度的零化;同时针对无人机和目标的接近速度信息不能直接测量的特点,对典型的目标运动模式进行运动状态估计;最后在无人机非线性六自由度仿真模型上仿真证明,其末制导精度优于传统广义比例导引律,且具有较好的工程应用前景。

基于粒子群优化算法的MGEKF在舰载无源定位中的应用

针对舰载无源定位中对高速运动目标定位精度不高的问题,引入多普勒频率变化率为测量量,同时提出把粒子群优化算法与MGEKF算法相结合,将PSO算法用于MGEKF的初始阶段,既避免了PSO算法运算量大的缺点,又避免了MGEKF受初值和修正函数影响不收敛的问题,缩短定位时间的同时提高了定位精度.仿真结果验证了该方法的有效性和稳定性.

使用ESM方位与多普勒频率量测的目标跟踪

针对ESM传感器能够同时测量方位角与多普勒频率的特点,提出了基于MGEKF的ESM多普勒频率/方位角目标跟踪算法(DB-MGEKF)。与通常的纯方位角目标跟踪算法相比,DB-MGEKF算法增加了多普勒频率量测信息,并引入了能够较好处理系统非线性问题的修正增益扩展卡尔曼滤波器(MGEKF),从而提高了目标的估计精度及滤波的稳定性,同时避免了观测平台自身的机动。Monte-Carlo仿真及结果分析进一步说明了算法的有效性。

基于多普勒频率变化率的固定单站定位算法研究

针对传统无源定位系统中定位精度差、收敛速度慢的特点,研究了基于多普勒频率变化率的定位原理,建立了基于多普勒频率变化率的固定单站对运动目标的定位模型,并结合修正增益的扩展卡尔曼滤波算法对定位数据进行处理,得到了较高精度的定位数据,通过试验仿真重点分析了基于多普勒频率变化率单站定位跟踪精度的影响因子,并验证了基于多普勒频率变化率的单站定位跟踪算法的有效性和稳定性。

对运动目标的固定单站无源定位算法研究

针对新型无源探测系统中单站无源定位问题,建立了基于多普勒频率变化率的固定单站对运动目标的定位和跟踪模型,并对该模型应用修正增益的扩展卡尔曼滤波算法(MGEKF)对原始滤波结果进行处理.计算机仿真结果验证了该方法的稳定性和有效性.

基于相位差变化率的无源定位技术研究

基于单站无源定位技术研究基础,对相位差变化率定位原理进行了简要介绍,针对相位差变化率定位过程中相位模糊、定位时间长和定位精度低等问题,提出了一种基于MGEKF滤波算法的相位差变化率单站无源定位方法,该方法采用了相位差参数预处理和MGEKF定位滤波算法。经过仿真分析和外场试验验证表明:采用MGEKF定位滤波处理的相位差变化率无源定位方法,可以使单站定位速度和定位精度比传统的只测角定位法提高很多。

新型无源探测系统中固定单站无源定位技术研究

文中针对新型无源探测系统中单站无源定位的问题,建立了基于相位差变化率的固定单站定位与跟踪模型,并基于该模型引入了对于空中运动目标的修正增益卡尔曼滤波算法(MGEKF)。通过计算机仿真,验证了该方法的有效性和稳定性。

二维地对空单站无源定位滤波算法研究

在空对地和地对空两种单站无源定位系统中,地对空单站无源定位难度比较大,因为地对空单站无源定位不仅要进行目标位置估计还要进行目标速度估计。在MATALB仿真平台上建立了地对空定位模型,并进行了EKF、MGEKF和UKF三种滤波算法100次Monte-Carlo仿真,提出了对Monte-Carlo仿真结果的若干处理方法,在此基础上对三种滤波算法进行比较,得出三种滤波算法各自的优缺点。

固定单站对三维运动辐射源无源定位算法及可观测性分析

实现固定单站对运动辐射源无源定位,传统的方法是测量TOA和DOA。本文将方位角变化率测量信息也引入该定位问题,提出了基于MGEKF(修正增益扩展卡尔曼滤波),对三维运动辐射源的无源定位跟踪算法。通过推导伪线性测量方程,本文进行了测量TOA和DOA对三维运动目标无源定位的可观测性分析。最后给出了计算机仿真结果。

利用波达方位角及其变化率对运动辐射源的无源定位

阐述了利用波达方位角及其变化率对地面运动辐射源进行无源定位的原理,通过Jacobi矩阵推导出可观测性表达式,讨论了不同相对运动状态下的可观测条件。提出了融入波达方位角变化率信息的MGEKF(修正增益的扩展卡尔曼滤波)算法,并通过仿真与只利用方位角信息的MGEKF算法以及经典的EKF(卡尔曼滤波)算法进行了比较。

修正增益卡尔曼滤波算法在被动测距问题中的应用

在采用被动导引头的导弹突防过程中,准确并及时地得到自身距离拦截器的距离信息,是制定导弹突防策略的关键。针对采用红外成像装置作为测量手段的飞行体,研究了利用红外成像装置观测空中运动目标所获得的目标视线角信息,采用修正增益卡尔曼滤波算法从目标视线角信息中提取出一定精度的飞行体至目标的距离信息的被动测距问题。文中给出了四种不同计算工况下的仿真结果曲线。仿真算例验证了被动测距方法的有效性,证明了载体进行机动有助于被动测距精度的提高。

一种速度矢量和位置矢量分离估计的固定单站无源定位改进算法

针对无源定位必须实现快速和稳定定位跟踪的要求,提出一种目标速度矢量和位置矢量分离估计的改进算法。该算法首先利用目标辐射源脉冲到达时间、到达方向、方位角变化率和仰角变化率建立了两组速度矢量作为变量的伪线性观测方程,并利用伪线性卡尔曼滤波算法估计目标速度,然后建立了将位置矢量作为变量的状态方程,而速度矢量作为确定性控制项加入状态方程,并利用修正增益扩展卡尔曼滤波算法对目标位置进行滤波。计算机仿真表明本文的算法具有定位精度高,收敛速度快的优点。

基于测向交叉和卡尔曼滤波的多舰无源被动定位算法

在分布式多舰无源被动定位算法中 ,用修正增益推广卡尔曼滤波器对海上运动舰艇辐射源进行纯方位跟踪时 ,会出现滤波发散的情况。本文讨论了进行多舰纯方位定位跟踪融合的方法 ,提出一种通过测向交叉定位的结果来改进修正增益推广卡尔曼滤波器的方法 ,提高其稳定性 ,减少其滤波发散的可能 ,提高定位精度 。

基于反向传播神经网络改进的增益修改卡尔曼滤波算法

增益修改的卡尔曼滤波(MGEKF)算法在实际应用时,一般使用带有误差的测量值代替真实值进行增益修正计算,导致修正结果也被误差污染。针对这一问题,提出一种基于反向传播神经网络(BPNN)改进的MGEKF算法,该算法使用训练后的神经网络代替MGEKF的增益修正函数。该算法在网络训练阶段,以实际测量值作为神经网络的输入,真实值修正后的结果作为训练目标;在实际应用中,使用网络的输出修正卡尔曼增益。针对移动单站只测向目标定位问题进行了实验,实验结果表明:该算法与扩展卡尔曼滤波(EKF)、MGEKF、平滑增益修改的卡尔曼滤波(sMGEKF)算法相比:定位精度至少提升10%,并且有更强的稳定性。

基于分布式信息融合的多舰纯方位跟踪

提出一种基于信息融合的分布式多舰纯方位跟踪算法 ,该算法采用时变采样间隔的修正增益推广卡尔曼滤波器 ,用多条舰艇的舰载电子侦察设备对海上多个运动辐射源目标进行分布式纯方位跟踪融合。计算机模拟结果表明 。