基于相位差变化率方法的单站无源定位技术

无源定位技术有着广阔的应用前景 ,文中在现有单站无源定位方法的基础上 ,介绍了相位差变化率定位法。该方法利用观测平台上两个相互正交的相位干涉仪接收目标辐射电磁波的相位差获取目标的方向信息 ,利用对应的相位差变化率获取目标的径向距离信息 ,从而实现对目标的实时高精度交叉定位。还给出了观测平台水平直线匀速飞行且无飞行姿态变化条件下的定位表达式。仿真结果表明 。

固定飞行姿态角下的相位差变化率无源定位方法研究

该文在现有单站无源定位方法的基础上,介绍了相位差变化率定位法。该方法利用观测平台上两个相互正交的相位干涉仪接收目标辐射电磁波的相位差获取目标的方向信息,利用对应的相位差变化率获取目标的径向距离信息,从而实现对目标的实时高精度定位,文中给出了观测平台飞行姿态角固定情况下的定位表达式并进行了定位精度分析。仿真结果表明,该方法是一种发展前途较好的单站无源定位方法。

变化姿态角下相位差变化率无源定位方法研究

无源定位技术有着广阔的应用前景,本文在现有单站无源定位方法的基础上,介绍了相位差变化率定位法.该方法利用观测平台上两个相互正交的相位干涉仪接收目标辐射电磁波的相位差及对应的变化率信息实现对目标的实时高精度定位.在空中观测平台的飞行姿态发生变化的情况下,可以通过姿态变化条件下的测量数据确定出目标在姿态变化后所对应的新载机坐标系中的位置,利用该坐标系与原平飞姿态下的参考载机坐标系之间的旋转矩阵即可得出目标在原平飞姿态下的参考载机坐标系中的位置,从而可得出目标在指定地面固定坐标系中的位置.文中给出了观测平台飞行姿态角变化情况下的定位表达式.仿真结果表明,该方法是一种发展前途较好的单站无源定位方法.

基于相位差变化率测量的单站定位方法

利用观测平台相对目标辐射源的运动信息,在测角基础上增加相位差变化率信息可实现对目标被动定位,但该定位方法通过相位差法测角,需要增加设备以解相位模糊。针对上述不足,提出一种三角基线只测相位差变化率的定位方法,该方法通过测量两组相位差变化率解得方位角,避免了解模糊运算。给出了测角误差、定位误差表达式,通过仿真分析了相位差变化率对测角精度、定位精度的影响。

基于正则化约束总体最小二乘的单站DOA-TDOA无源定位算法

针对利用单站外辐射源的目标无源定位问题,该文提出一种联合到达角度和时差信息的正则化约束总体最小二乘(RCTLS)定位算法。首先,将非线性的到达角度和时差的观测方程进行线性化处理,分析了方程系数矩阵可能出现的病态问题,将定位问题建立为RCTLS模型,并采用牛顿迭代方法对模型求解,从而得到目标位置估计。最后,推导了算法的理论误差,并按照均方误差最小的原则推导了正则化参数的最优值。仿真结果表明,算法的定位精度和鲁棒性均优于约束总体最小二乘(CTLS)算法。此外,对系统几何精度因子图的分析表明,目标及外辐射源的位置对定位精度也有影响。

一种单星对星仅测角无源定轨跟踪方法

在星对星无源定轨跟踪中,由于卫星运动方程的非线性和隐函数性,如何建立适合递推滤波的状态预测方程和状态转移矩阵是个首要的问题。根据卫星运动的动力学和几何学条件,推导准确的状态预测方程及其对应的状态转移矩阵,并给出了相应的计算方法。根据单站无源定位理论,提出了一种新的基于准确状态预测模型的仅测角单星对星无源定轨跟踪方法。仿真实例表明,与已有的采用近似状态预测模型的定轨方法相比,该方法具有更高的估计精度和更快的收敛速度,且两者计算耗时相当。

基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要。结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性。增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易。与现有的单站无源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法。数值仿真结果表明了算法的正确性和有效性。

姿态抖动运动单平台LBI无源定位系统的角变化率估计和定位算法研究

研究了采用长基线干涉仪(LBI)体制的运动单平台无源定位系统受平台姿态抖动影响的问题,指出由于平台姿态的快速无规则变化,相位差变化率(RPDC)方法将难以适用,应当采用目标方位角变化率参数进行定位。基于此,针对三维几何空间,提出了一种RP-LS方法估计目标方位角变化率,继而实现对目标的定位。仿真结果表明,该方法能有效解决LBI体制运动单平台定位系统对姿态抖动的适应问题,实现对目标的快速高精度定位。

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。

简化UKF算法在单站无源目标跟踪中的应用

根据实际的应用背景,对标准的UKF算法进行简化,提出一种SUKF(Simplified Unscented Kalman Filter)算法,并将其应用于无源目标跟踪。对实测数据的滤波结果表明,SUKF不仅运算复杂度低(与经典EKF相当,比UKF大大简化),而且收敛速度快、一致性好,跟踪精度高(达到了UKF同样的性能),非常适合于实时应用的场合。

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求。为此提出一种递推总体最小二乘定位(RTLS)算法。在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法。仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求。

一种雷达脉冲信号相位差变化率测量的新方法

接收信号相位差变化率的高精度估计是基于质点运动学原理单站无源定位与跟踪的一项关键技术。针对雷达脉冲信号,建立了接收信号相位差模型,分析了相位差变化率的特点,提出了一种相位差变化率的数字测量新方法,直接对各阵元接收的信号进行A/D采样,采用数字信号处理的方法估计相位差变化率。通过离散傅里叶变换和复数乘积运算将相位差变化率的测量问题转换为频率测量问题,利用多个脉冲信息提高了参数估计的精度,根据相位的无模糊测量获得相位差变化率加权最小二乘估计。仿真实验表明,该方法具有较低的信噪比门限,在高于信噪比门限时,其估计精度接近Cramer-Rao下限。

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。

基于纯角度的三维运动目标可观性研究

本文针对在三维空间作匀加速运动的目标 ,推导出了基于纯角度测量的运动目标状态可观测的必要条件。在求解这一必要条件的过程中 ,利用数学变换手段 ,将非线性角度观测方程转换成线性框架来进行处理 ;利用满秩矩阵的一些特点 ,把高阶非线性微分方程转化成一阶线性微分方程组来求解 ,获得了可观测性必要条件。

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。

雷达被动探测定位的可观测性

根据使用信息的不同，本文把雷达被动观测分成方位、到达时间、多卜勒、方位和到达时间、方位和多卜勒几种类型，建立了统一的观测模型，分析了各类系统的可观测性．通过可观测度比较，还揭示了到达时间差和多卜勒观测在系统中具有的近似等价关系．

利用空频域信息的固定单站无源探测定位方法

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,但该方法对角速度的测量精度要求很高。为此,提出一种利用空频域信息的固定单站无源探测定位方法,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实现对运动目标的无源定位。分析和仿真表明:该方法回避了对角速度的高精度测量,降低了对参数测量技术的要求,测距误差受角度和频率测量误差的影响较小,受相位差变化率和多普勒频率变化率的测量误差影响较大。

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。

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利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,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。